我有一个带有日期时间索引的 Pandas df。我想根据索引日期值(不同时间段的不同罢工),使用不同罢工值循环以下代码。这是我的代码,它产生了我在整个时间序列中进行 1 次罢工所追求的结果:
import pandas as pd
import numpy as np
index=pd.date_range('2017-10-1 00:00:00', '2018-12-31 23:50:00', freq='30min')
df=pd.DataFrame(np.random.randn(len(index),2).cumsum(axis=0),columns=['A','B'],index=index)
strike = 40
payoffs = df[df>strike]-strike
mean_payoff = payoffs.fillna(0).mean()
dist = mean_payoff.describe(percentiles=[0.05,.5,.95])
print(dist)
我想根据时间段(索引值)使用不同的strike值。
到目前为止,我已经尝试创建一个分类计算列,目的是在 df 上使用 map 或按行应用。我还玩过创建字典并将字典映射到 df 中。 即使我获得了具有正确行使价的计算列,我也想不出如何从所有其他列中减去计算列值(行使价)以从上面得到 yield 。
我觉得我需要使用 for 循环并可能创建在循环结束时附加在一起的日期 block 组,可能使用 pd.concat。
提前致谢
请您参考如下方法:
我认为您需要通过 to_period 将 DatetimeIndex 转换为 quarter 期间, 然后是 string 和最后 map通过 dict。
d = {'2017Q4':30, '2018Q1':40, '2018Q2':50, '2018Q3':60, '2018Q4':70}
strike = df.index.to_series().dt.to_period('Q').astype(str).map(d)
payoffs = df[df.gt(strike, 0)].sub(strike, 0)
mean_payoff = payoffs.fillna(0).mean()
dist = mean_payoff.describe(percentiles=[0.05,.5,.95])
