Skip to main content
 首页 » 编程设计

python之Pandas 列结果基于单独列中下方单元格(行)的结果

2024年11月24日11fff_TT

我认为这应该相对容易,但我是菜鸟!

需要在新的 pandas 列(称为 B 列)中返回结果,该列基于 A 列中下一行的结果。

请打印以下代码

import pandas as pd 
df = pd.DataFrame({'A': ['BUY', 'BUY', 'HODL', 'SELL', 'HODL', 'HODL', 'BUY', 'SELL', 'SELL', 'BUY', 'BUY', 'HODL', 'SELL', 'SELL', 'SELL', 'HODL', 'SELL', 'SELL','BUY']}) 
print(df) 

我需要一个新列(B 列)来返回基于以下结果的结果。

从 pandas 数据框的底部开始。 A 列中的最后一个单元格(即 A18 = 'BUY')始终可以返回与 B 列中最后一个单元格相同的结果。

A 列中的下一行(即 A17)是“卖出”。我认为这是一个变化,因此单元格 B17 现在也应该是“卖出”

A 列中的下一行(即 A16)再次是“卖出”。由于这与 A17 没有变化,因此单元格 B16 现在应该是“NA”

A 列(即 A15)中的下一行是“HODL”。所有“HODL”单元格应始终反射(reflect)为 B 列中的“HODL”单元格

但是,如果单元格 A15 再次为“卖出”,则将在 B 列中应用另一个“NA”。

“卖出”单元格的相同原则适用于“买入”单元格

提供以下 df 只是为了提供预期结果的可视化:

import pandas as pd 
 
df = pd.DataFrame({'A': ['BUY', 'BUY', 'HODL', 'SELL', 'HODL', 'HODL', 'BUY', 'SELL', 'SELL', 'BUY', 'BUY', 'HODL', 'SELL', 'SELL', 'SELL', 'HODL', 'SELL', 'SELL','BUY'], 'B': ['NA', 'BUY', 'HODL', 'SELL', 'HODL', 'HODL', 'BUY', 'NA', 'SELL', 'NA', 'BUY', 'HODL', 'NA', 'NA', 'SELL', 'HODL', 'NA', 'SELL','BUY']}) 
 
print(df) 

请您参考如下方法:

numpy.select & Series.shift

我们可以使用numpy.select为此,我们可以定义多个条件,并根据这些条件为您的新列 B 分配值。

在我们的条件下,我们使用 Series.shift我们使用它来检查下一个值是 SELL 还是 BUY。

Series.eq与使用 == 'SELL' 相同,例如

注意 我反转了你的数据框,因为你想自下而上地应用逻辑,我用 df[::-1] 来做到这一点。这与在 Python 中反转列表的方法相同。

# Reverse dataframe 
df = df[::-1] 
 
conditions = [ 
    df['A'].eq('HODL'), 
    df['A'].eq('SELL') & df['A'].shift().eq('SELL'), 
    df['A'].eq('BUY') & df['A'].shift().eq('BUY') 
] 
 
choices = ['HODL', 'NA', 'NA'] 
 
df['B'] = np.select(conditions, choices, default=df['A']) 
 
# Reverse dataframe back to original state 
df = df[::-1] 

输出

print(df) 
       A     B 
0    BUY    NA 
1    BUY   BUY 
2   HODL  HODL 
3   SELL  SELL 
4   HODL  HODL 
5   HODL  HODL 
6    BUY   BUY 
7   SELL    NA 
8   SELL  SELL 
9    BUY    NA 
10   BUY   BUY 
11  HODL  HODL 
12  SELL    NA 
13  SELL    NA 
14  SELL  SELL 
15  HODL  HODL 
16  SELL    NA 
17  SELL  SELL 
18   BUY   BUY