Skip to main content
 首页 » 编程设计

python之当列中的值发生变化时将元素移动 2,然后使用 pandas 进行前向填充

2025年02月15日9lyj

我有一个带有日期索引和 100 列股票价格的 pandas 数据框。

我希望每只股票,只要有价格变化,就会有 2 的滞后,然后在前向填充之后。

例如 2 列的数据(我的数据的子集):

         Stock A    Stock B 
1/1/2000    100 50 
1/2/2000    100 50 
1/3/2000    100 50 
1/4/2000    350 50 
1/5/2000    350 50 
1/6/2000    350 50 
1/7/2000    350 25 
1/8/2000    350 25 
1/9/2000    500 25 
1/10/2000   500 25 
1/11/2000   500 25 
1/12/2000   500 150 
1/1/2001    250 150 
1/2/2001    250 150 
1/3/2001    250 150 
1/4/2001    250 150 
1/5/2001    250 150 
1/6/2001    250 150 
1/7/2001    250 150 
1/8/2001    75  150 
1/9/2001    75  150 
1/10/2001   75  25 
1/11/2001   75  25 
1/12/2001   75  25 
1/1/2002    75  25 

现在我想要的输出是这样的:

    Stock A Stock B 
1/1/2000         
1/2/2000         
1/3/2000         
1/4/2000         
1/5/2000    100  
1/6/2000    100  
1/7/2000    100  
1/8/2000    100 50 
1/9/2000    100 50 
1/10/2000   350 50 
1/11/2000   350 50 
1/12/2000   350 50 
1/1/2001    350 25 
1/2/2001    500 25 
1/3/2001    500 25 
1/4/2001    500 25 
1/5/2001    500 25 
1/6/2001    500 25 
1/7/2001    500 25 
1/8/2001    500 25 
1/9/2001    250 25 
1/10/2001   250 25 
1/11/2001   250 150 
1/12/2001   250 150 
1/1/2002    250 150 

股票A的例子:

当股票 A 第一次发生变化(100 到 350)时,先前的值 (100) 被分配给提前 2 天 (1/5/200)。然后当它再次从 350 变为 500 时,350 被分配给提前 2 天 (1/10/2000) 等等......然后发生前向填充。

如有任何帮助,我们将不胜感激。

请您参考如下方法:

df.where(df.diff(-1).fillna(0).ne(0)).shift(2).ffill() 
 
                A      B 
2000-01-01    NaN    NaN 
2000-02-01    NaN    NaN 
2000-03-01    NaN    NaN 
2000-04-01    NaN    NaN 
2000-05-01  100.0    NaN 
2000-06-01  100.0    NaN 
2000-07-01  100.0    NaN 
2000-08-01  100.0   50.0 
2000-09-01  100.0   50.0 
2000-10-01  350.0   50.0 
2000-11-01  350.0   50.0 
2000-12-01  350.0   50.0 
2001-01-01  350.0   25.0 
2001-02-01  500.0   25.0 
2001-03-01  500.0   25.0 
2001-04-01  500.0   25.0 
2001-05-01  500.0   25.0 
2001-06-01  500.0   25.0 
2001-07-01  500.0   25.0 
2001-08-01  500.0   25.0 
2001-09-01  250.0   25.0 
2001-10-01  250.0   25.0 
2001-11-01  250.0  150.0 
2001-12-01  250.0  150.0 
2002-01-01  250.0  150.0