我想用python分析一个基于历史股市数据的交易算法。但我了解到,在大型数据集上使用循环并不是很快——对于数百万行来说,这是不可能的
所以我从布尔索引开始。但我不能让它工作。有人有线索吗?我的示例有5行,但实际上我有200万行
我学习了SHIFT函数来考虑前一行的值。但这只解决了一排问题
## data set
timehourminute=['15:25','15:30','15:35','15:40','15:45']
close=[21.02,21.05,21.10,21.22, 21.17]
signal=[False,True,True,True,False]
position=[0,0,0,0,0]
data={'timehourminute':timehourminute,'close':close, 'signal':signal,'position':position}
df=pd.DataFrame.from_dict(data)
## if time = 15:30 and signal = True, buy $1000 worth of stocks
subset = (df.timehourminute=='15:30') & (df.signal==True)
df.loc[subset,'position']=(1000/df.close)
## if previous row has position, keep the position if the signal is still True
df['positionprev']=df.position.shift(1)
df.position = df.signal * df[['position','positionprev']].max(axis=1)
df.position = df.position.astype(int)
输出如下:
timehourminute close signal position positionprev
0 15:25 21.02 False 0 NaN
1 15:30 21.05 True 47 0.000000
2 15:35 21.10 True 47 47.505938
3 15:40 21.22 True 0 0.000000
4 15:45 21.17 False 0 0.000000
问题是我想保持这个位置直到信号变假。在本例中,信号持续3行,但实际上可能持续1000行。我如何得到47的值以保持在第3行
我相信您需要^{} 按条件填充缺失值并向前填充缺失值:
相关问题 更多 >
编程相关推荐