我试图做一个交易回溯测试在熊猫和有一些问题'如果'语句使用np.哪里()有条件地更新其他列。在
我的初始df,其中signal指示是买入还是卖出(1/-1/0),根据这些信号,我想更新Cash、Hold、Value和Total列。在
open high low close change signal Cash Hold Value Total
time
2017-09-09 03:01:00 4255.000000 4256.799805 4233.600098 4252.799805 -0.000065 0 10000.0 0.0 0.0 10000.0
2017-09-09 03:02:00 4251.399902 4258.500000 4247.500000 4258.399902 0.002046 1 10000.0 0.0 0.0 10000.0
2017-09-09 03:03:00 4256.500000 4289.299805 4256.500000 4273.700195 0.001262 1 10000.0 0.0 0.0 10000.0
2017-09-09 03:04:00 4273.100098 4299.899902 4262.580566 4284.100098 0.001905 1 10000.0 0.0 0.0 10000.0
2017-09-09 03:05:00 4291.200195 4299.799805 4284.200195 4289.899902 -0.000854 -1 10000.0 0.0 0.0 10000.0
2017-09-09 03:06:00 4295.000000 4298.799805 4279.500000 4279.500000 -0.000047 0 10000.0 0.0 0.0 10000.0
2017-09-09 03:07:00 4278.000000 4278.299805 4277.000000 4277.799805 -0.000244 0 10000.0 0.0 0.0 10000.0
我可以根据信号手动调用以下每个函数:
^{pr2}$这样就产生了:
open high low close change signal Cash Hold Value Total
time
2017-09-09 03:01:00 4255.000000 4256.799805 4233.600098 4252.799805 -0.000065 0 10000.00000 0.000000 0.000000 10000.000000
2017-09-09 03:02:00 4251.399902 4258.500000 4247.500000 4258.399902 0.002046 1 9900.00000 0.023483 100.000000 10000.000000
2017-09-09 03:03:00 4256.500000 4289.299805 4256.500000 4273.700195 0.001262 1 9800.00000 0.046882 200.359297 10000.359297
2017-09-09 03:04:00 4273.100098 4299.899902 4262.580566 4284.100098 0.001905 1 9700.00000 0.070224 300.846864 10000.846864
2017-09-09 03:05:00 4291.200195 4299.799805 4284.200195 4289.899902 -0.000854 -1 10001.25415 0.000000 0.000000 10001.254150
2017-09-09 03:06:00 4295.000000 4298.799805 4279.500000 4279.500000 -0.000047 0 10001.25415 0.000000 0.000000 10001.254150
2017-09-09 03:07:00 4278.000000 4278.299805 4277.000000 4277.799805 -0.000244 0 10001.25415 0.000000 0.000000 10001.254150
我以为np.哪里()会根据signal列调用正确的函数,但我没有任何运气。下面的循环覆盖每一行。在
for i in range(len(pf)):
np.where(pf['signal'].iloc[i] == -1, sell_update(i), np.where(pf['signal'].iloc[i] == 1, buy_update(i), no_action(i)))
print(i)
我认为它当前调用了每个函数—sell,然后buy,然后none(每个函数都覆盖最后一个),并生成一个SettingWithCopyWarning
警告。在
而且每一行上的for循环显然非常慢,有没有一种方法可以将其矢量化?在
当计算代码变得复杂时,很难将其矢量化。由于pandas中逐个元素的处理速度很慢,您可以将dataframe转换为dict列表,并进行计算,下面是一个使用
cytoolz
的示例:相关问题 更多 >
编程相关推荐