Pandas 应用与 shift 相结合

Question

我试图找到每个时间间隔内货币的相对运动。

我有一个 table 这样的：

Date        USD_NOK EUR_USD EUR_NOK  
2020-08-09  9.03267 1.17732 10.60526 
2020-08-10  8.97862 1.17749 10.58188

还有一个像这样的函数：

def RelativeStrength(table):
    f1 = table.iloc[0][2]
    f2 = table.iloc[0][0]
    t1 = table.iloc[1][2]
    t2 = table.iloc[1][0]
    n = pow(((f1*f2)/(t1*t2)),1/3)
    n1 = t1 * (n/f1)
    n2 = t2 * (n/f2)
    return n, n1, n2

然而，tables 包含几十年的数据，间隔比每天短很多，我有很多这样的数据。

该函数需要在每一行上运行，该行将与之前的行进行比较。

我可以通过 for 循环轻松完成此操作，但使用我拥有的数据集可能需要数天时间。因此，我希望使用 apply 或类似的东西。

我试过这样的事情：

table.apply(lambda x: [x[0].shift()], axis=1, result_type='expand')

并希望得到这样的结果，但我没有：

Date        USD_NOK EUR_USD EUR_NOK  NOK    USD    EUR
2020-08-09  9.03267 1.17732 10.60526 1.0021 0.0876 0.9923
2020-08-10  8.97862 1.17749 10.58188 1.0027 1.0005 0.9967

（2020-08-09 的结果是编造的，因为它们取决于 2020-08-08 的外汇交叉盘，我没有发布）

但是，apply 似乎一次只查看一行。是否可以使用 apply 对每一行进行计算，包括考虑之前的行？

Answer 1

因为你所有的操作（*、/和**）默认都有built-in矢量化支持，我建议你直接计算而不用.apply().

df["f1_t1"] = df["EUR_NOK"].shift() / df["EUR_NOK"]  # f1 over t1
df["f2_t2"] = df["USD_NOK"].shift() / df["USD_NOK"]  # f2 over t2
df["NOK"] = (df["f1_t1"] * df["f2_t2"])**(1/3)
df["USD"] = df["NOK"] / df["f1_t1"]
df["EUR"] = df["NOK"] / df["f2_t2"]

# output
df
         Date  USD_NOK  EUR_USD  ...       NOK       USD       EUR
0  2020-08-09  9.03267  1.17732  ...       NaN       NaN       NaN
1  2020-08-10  8.97862  1.17749  ...  1.002740  1.000529  0.996740

请注意，可以 多次重复使用 的中间变量是创建的，而不是简单的移位。这部分特定于您的公式。从而可以进一步减少操作次数。

Pandas 应用与 shift 相结合

Pandas apply combined with shift

python

forex

dataframe

python-3.x

pandas