Python Pandas 数据框，值的操作

Question

我正在尝试理解Pandas的DataFrame是如何向下复制信息的，并在变量变化时重置...具体来说，我想知道如何让Share_Amt_To_Buy在我的Signal或Signal_Diff从1变为0时重置为0。

使用.cumsum()对Share_Amt_To_Buy进行操作会导致值不断累加，这并不是我想要的效果。

我的目标是，当Signal从0变为1时，计算Share_Amt_To_Buy并一直复制这个值，直到Signal再变回0。如果Signal再次变为1，我希望Share_Amt_To_Buy能根据那个时刻重新计算。

希望这样说能让你明白 - 请告诉我你的想法。

Signal  Signal_Diff  Share_Amt_To_Buy (Correctly)  Share_Amt_To_Buy (Currently)
0       0            0                             0
0       0            0                             0
0       0            0                             0
1       1            100                           100
1       0            100                           100
1       0            100                           100
0       -1           0                             100
0       0            0                             100
1       1            180                           280
1       0            180                           280

正如你所看到的，我的信号在0和1之间交替，这意味着以下内容： 0 = 不交易（或没有持仓） 1 = 交易（有持仓）

Signal_Diff的计算方式如下：

portfolio['Signal_Diff'] = portfolio['Signal'].diff().fillna(0.0)

当信号从0变为1时，'Share_Amt_To_Buy'这一列会被计算出来。我用以下示例来计算这个值：

initial_cap = 100000.0
portfolio['close'] = my stock's closing prices as a float
portfolio['Share_Amt'] = np.where(variables['Signal']== 1.0, np.round(initial_cap / portfolio['close'] *     0.25 * portfolio['Signal']), 0.0).cumsum()

portfolio['Share_Amt_To_Buy'] = (portfolio['Share_Amt']*portfolio['Signal'])

Answer 1

根据我的理解，pandas并没有内置的公式模块。你可以对列、单元格、数组进行计算，并从中生成不同的数组或数值（比如df[column].count()就是一个例子），可以做很多这样的工作，但没有办法根据数组中的另一个值动态更新数组本身（就像Excel中的公式那样）。

你可以选择逐步执行这个过程，比如说：

>>> for index in df.index:
>>>     if df['Signal_Diff'] == 0:
>>>         df.loc[index, 'Signal_Diff'] = some_value
>>>     elif df['Signal_Diff'] == 1:
>>>         df.loc[index, 'Signal_Diff'] = some_other_value

或者你可以通过map工具创建一个自定义函数：https://stackoverflow.com/a/19226745/4131059

编辑：

另一种解决方案是，在数组发生某些变化时，查询旧数组和新数组中值为1的所有索引：

>>> df_old_list = df[df.Signal_Diff == 1].index.tolist()
>>> ...
>>> df_new_list = df[df.Signal_Diff == 1].index.tolist()
>>>
>>> for x in df_old_list:
>>>     if x in df_new_list:
>>>         df_new_list.remove(x)

然后只对df_new_list中的索引进行重新计算。