主页 / coding / 问题 / 78876041
Accepted
bigjdawg43
Asked: 2024-08-16 00:34:45 +0800 CST

在计算中引用先前的行和多列

  • 772

我有一个如下所示的数据框。您可以看到，首先，SMA 列是故意与 Index Value 列重复的。我正在尝试调整 SMA 列，以便它成为简单计算的结果，类似于下面的效果，我认为这需要某种循环：

for i in range(len(df)):
    df['SMA'].loc[i,"SMA"]= df['SMA'].loc[i-1,"SMA"] + df['SMA'].loc[i,"ER"] * (df['SMA'].loc[i,"Index Value"] - df['SMA'].loc[i-1,"SMA"])

换句话说，我试图取“SMA”的当前行，并将其作为“SMA”前一行的输出 + “ER”的当前行乘以“索引值”的当前行与“SMA”前一行之间的差值

data = {
    'Date': ['9/5/2023', '9/6/2023', '9/7/2023', '9/8/2023', '9/11/2023', '9/12/2023', 
             '9/13/2023', '9/14/2023', '9/15/2023', '9/18/2023', '9/19/2023', '9/20/2023', 
             '9/21/2023', '9/22/2023', '9/25/2023', '9/26/2023', '9/27/2023', '9/28/2023', 
             '9/29/2023'],
    'Index Value': [4496.83, 4465.48, 4451.14, 4457.49, 4487.46, 4461.9, 4467.44, 
                    4505.1, 4450.32, 4453.53, 4443.95, 4402.2, 4330, 4320.06, 
                    4337.44, 4273.53, 4274.51, 4299.7, 4288.05],
    'ER': [0.15066, 0.157105, 0.218561, 0.233893, 0.233709, 0.191352, 0.090935, 
           0.398004, 0.127833, 0.062296, 0.198933, 0.382776, 0.494406, 0.541878, 
           0.44323, 0.489456, 0.466276, 0.396806, 0.52569],
    'SMA': [4496.83, 4465.48, 4451.14, 4457.49, 4487.46, 4461.9, 4467.44, 4505.1, 
            4450.32, 4453.53, 4443.95, 4402.2, 4330, 4320.06, 4337.44, 4273.53, 
            4274.51, 4299.7, 4288.05]
}

df = pd.DataFrame(data)

由于我不擅长循环构造，为了避免循环，我尝试了类似下面的方法，虽然很接近，但不是我想要的。

df['SMA']=df['SMA'].shift(1) + df['ER'] * (df['Index Value'] - df['SMA'].shift(1))

之所以它不完全符合我的要求是因为我希望索引值列的第一个数字与 SMA 的第一个值相匹配，并且公式仅在该点之后应用（这就是为什么似乎需要循环）。

综上所述，并考虑到目标，有人能否建议完成这项任务的最佳方法是什么？

python

1 个回答

  1. Best Answer

    首先，您可以通过两种方式简化现有代码：

    • 您不需要首先复制，只需使用中的值'Index Value'即可；'SMA''Index Value'
    • 您可以使用diff来代替df[col] - df[col].shift()。
    df["Index Value"].shift() + df["ER"] * df["Index Value"].diff()

    现在回答你的问题，IIUC 你想保留列的第一个值'Index Value'（即4496.83），并仅从第二行开始应用公式。

    有几种方法可以实现此目的：

    # 1. use `at` and exclude the first value when creating the new column
df.at[1:, "SMA"] = df["Index Value"].shift() + df["ER"] * df["Index Value"].diff()

# 2. create the column and use `at` and `iloc` to replace the first value
df["SMA"] = df["Index Value"].shift() + df["ER"] * df["Index Value"].diff()
df.at[0, "SMA"] = df.iloc[0]["Index Value"]

# 3. create the column and use `fillna` to replace the first value
df["SMA"] = df["Index Value"].shift() + df["ER"] * df["Index Value"].diff()
df["SMA"] = df["SMA"].fillna(df["Index Value"])

    所有这些都将导致：

             Date  Index Value        ER          SMA
0    9/5/2023      4496.83  0.150660  4496.830000
1    9/6/2023      4465.48  0.157105  4491.904758
2    9/7/2023      4451.14  0.218561  4462.345835
3    9/8/2023      4457.49  0.233893  4452.625221
4   9/11/2023      4487.46  0.233709  4464.494259
5   9/12/2023      4461.90  0.191352  4482.569043
6   9/13/2023      4467.44  0.090935  4462.403780
7   9/14/2023      4505.10  0.398004  4482.428831
8   9/15/2023      4450.32  0.127833  4498.097308
9   9/18/2023      4453.53  0.062296  4450.519970
10  9/19/2023      4443.95  0.198933  4451.624222
11  9/20/2023      4402.20  0.382776  4427.969102
12  9/21/2023      4330.00  0.494406  4366.503887
13  9/22/2023      4320.06  0.541878  4324.613733
14  9/25/2023      4337.44  0.443230  4327.763337
15  9/26/2023      4273.53  0.489456  4306.158867
16  9/27/2023      4274.51  0.466276  4273.986950
17  9/28/2023      4299.70  0.396806  4284.505543
18  9/29/2023      4288.05  0.525690  4293.575711
    • 1

相关问题