检查数据框中的值是否会增加或减少一定百分比

Question

我有一个 OHLC 数据框，例如：

index	open	close	high	low
2021-03-23 10:00:00+00:00	1421.100	1424.500	1427.720	1422.650
2021-03-23 11:00:00+00:00	1424.500	1421.480	1422.400	1411.890
2021-03-23 12:00:00+00:00	1421.480	1435.170	1443.980	1433.780
2021-03-23 13:00:00+00:00	1435.170	1440.860	1443.190	1437.590
2021-03-23 14:00:00+00:00	1440.860	1438.920	1443.570	1435.200
2021-03-23 15:00:00+00:00	1438.920	1435.990	1444.840	1435.060
2021-03-23 16:00:00+00:00	1435.990	1441.920	1446.610	1441.450

现在我想知道价格是先涨还是跌1%。到目前为止，我所拥有的是以下工作代码：

def check(x):

    check = ohlc[ohlc.index > x.name]
    price = ohlc.at[x.name, 'close']

    high_thr = price * 1.01
    low_thr = price * 0.99

    high_indexes = check[check['high'] > high_thr]
    low_indexes = check[check['low'] < low_thr]

    if high_indexes.shape[0] > 0 and low_indexes.shape[0] > 0:

        high = high_indexes.index[0]
        low = low_indexes.index[0]

        if high < low:
            return 1
        elif high > low:
            return -1
        else:
            return 0
    else:
        return 0


ohlc['check'] = ohlc.apply(find_threshold, axis=1)

这对于较大的数据集来说非常慢。除了遍历每一行、切片并找到所有索引以获得最近的索引之外，还有其他更好的方法吗？

Answer 1

我认为最好的方法与您的做法没有太大区别：

from datetime import timedelta

def check(x, change=0.01):
    time = x.name
    price = ohlc.loc[time, 'close']
    while True:
        if time not in ohlc.index:          # If we reach the end
            return 0
        high = ohlc.loc[time, 'high']
        low = ohlc.loc[time, 'low']
        if high > (1.0 + change) * price:   # Upper thresh broken
            return 1
        elif low < 1.0 - change) * price:   # Lower thresh broken
            return -1
        time = time + timedelta(hours=1)    # Time update

ohlc['check'] = ohlc.apply(check, axis=1)

如果您担心的是效率，那么应用这种方式效率会稍微高一些，因为它只向前看需要突破阈值的距离。或者，您可以通过修改 while 循环将每行的检查次数限制为 100：

    endtime = time + timedelta(hours=100)
    while time < endtime:
        # etc

检查数据框中的值是否会增加或减少一定百分比

Check if a value in dataframe will increase or decrease a certain percentage

python

pandas

trading