向pandas中的数据框添加计算列
我有一个OHLC价格数据集，我已经将其从CSV解析为Pandas数据帧，并重新采样到15分钟条形图：
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 500047 entries, 1998-05-04 04:45:00 to 2012-08-07 00:15:00
Freq: 15T
Data columns:
Close 363152 non-null values
High 363152 non-null values
Low 363152 non-null values
Open 363152 non-null values
dtypes: float64(4)我想添加各种计算列，从简单的列开始，例如period Range (H-L)，然后是booleans，以指示我将定义的价格模式的出现-例如锤子蜡烛模式，其示例定义如下：
def closed_in_top_half_of_range(h,l,c):
return c > l + (h-l)/2
def lower_wick(o,l,c):
return min(o,c)-l
def real_body(o,c):
return abs(c-o)
def lower_wick_at_least_twice_real_body(o,l,c):
return lower_wick(o,l,c) >= 2 * real_body(o,c)
def is_hammer(row):
return lower_wick_at_least_twice_real_body(row["Open"],row["Low"],row["Close"]) \
and closed_in_top_half_of_range(row["High"],row["Low"],row["Close"])基本问题:如何将函数映射到列，特别是我希望引用多个其他列或整行或其他任何内容的地方？
This post处理在单个源列的基础上添加两个计算列，这很接近，但并不完全是这样。
更高级的是:对于参考多个条形(T)确定的价格模式，如何参考不同的行(例如T-1、T-2等)从函数定义中？
回答 4
Stack Overflow用户
发布于 2012-09-12 04:04:57
对于您想要执行的每一列，确切的代码会有所不同，但是您可能希望使用map和apply函数。在某些情况下，您可以直接使用现有的列进行计算，因为列是Pandas Series对象，它也可以作为Numpy数组工作，它会自动按元素执行通常的数学运算。
>>> d
A B C
0 11 13 5
1 6 7 4
2 8 3 6
3 4 8 7
4 0 1 7
>>> (d.A + d.B) / d.C
0 4.800000
1 3.250000
2 1.833333
3 1.714286
4 0.142857
>>> d.A > d.C
0 True
1 True
2 True
3 False
4 False如果需要在一行中使用像max和min这样的操作，您可以使用带有axis=1的apply将任何您喜欢的函数应用到每一行。这是一个计算min(A, B)-C的例子，它看起来就像你的“下芯”：
>>> d.apply(lambda row: min([row['A'], row['B']])-row['C'], axis=1)
0 6
1 2
2 -3
3 -3
4 -7希望这能给你一些如何继续的想法。
编辑:要将行与相邻行进行比较，最简单的方法是对要比较的列进行切片，去掉开头/结尾，然后比较得到的切片。例如，这将告诉您列A中的元素小于列C中下一行的元素的行：
d['A'][:-1] < d['C'][1:]这是另一种方式，告诉您哪些行的A比前一行的C少：
d['A'][1:] < d['C'][:-1]对列A的最后一个元素执行['A"][:-1]切片，对列C的第一个元素执行['C'][1:]切片，所以当您将这两个元素排成一行并进行比较时，您就是在将A中的每个元素与下一行的C进行比较。
Stack Overflow用户
发布于 2012-09-12 04:04:40
您可以使用row["Open"]等形式的is_hammer，如下所示
def is_hammer(rOpen,rLow,rClose,rHigh):
return lower_wick_at_least_twice_real_body(rOpen,rLow,rClose) \
and closed_in_top_half_of_range(rHigh,rLow,rClose)然后，您可以使用map：
df["isHammer"] = map(is_hammer, df["Open"], df["Low"], df["Close"], df["High"])Stack Overflow用户
发布于 2014-08-16 20:52:20
对于问题的第二部分，您还可以使用shift，例如：
df['t-1'] = df['t'].shift(1)然后，t-1将包含来自上一行t的值。
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.shift.html
https://stackoverflow.com/questions/12376863
复制相似问题