Pandas 时间序列 - 将上一列的差异添加到新行

Question

我有一个 DataFrame，DF：

    Ticker_x    Date    Close_x ES_difference
0   ES H7   10/18/2016 13:44    2128    
1   ES H7   10/18/2016 13:59    2128.75 0.75
2   ES H7   10/18/2016 14:14    2125.75 -3
3   ES H7   10/18/2016 14:29    2126.5  0.75
4   ES H7   10/18/2016 14:44    2126.5  0
5   ES H7   10/18/2016 16:14    2126    -0.5
6   ES H7   10/18/2016 16:44    2126.25 0.25
7   ES H7   10/18/2016 17:59    2126.5  0.25
8   ES H7   10/18/2016 18:14    2127    0.5
9   ES H7   10/18/2016 19:14    2127.75 0.75
10  ES H7   10/18/2016 19:44    2127.75 0
11  ES H7   10/18/2016 19:59    2127.75 0
12  ES H7   10/18/2016 20:44    2129    1.25
13  ES H7   10/18/2016 21:29    2128.75 -0.25
14  ES H7   10/18/2016 21:44    2129    0.25
15  ES H7   10/18/2016 22:14    2129.5  0.5
16  ES H7   10/18/2016 22:44    2129.5  0

我正在尝试创建一个新列 - ES_Inverse_price，它采用差异列并从 Close_x 列中减去它：

Df['ES_difference'] = Df['Close_x'].diff()

这就是我制作ES_difference 专栏的方式。现在我想要一个新列 ES_Inverse_price 从 Close_x 中获取先前的值并减去同一行的差异列值：

Df['ES_Inverse_price'] = ''
Df['ES_Inverse_price'][0] = Df['Close_x'][0]
Df['ES_Inverse_price'][1:] = Df['ES_Inverse_price'].shift(1)-Df['ES_difference']

...所以ES_Inverse_price 中的第一行将等于Close_x 中的第一行。这很好，但现在我想开始减去那个差异列，以获得我正在尝试创建的 ES_Inverse_price 列的新值。

不幸的是，我收到以下错误，指的是其中包含 shift(1) 的代码：

TypeError: ufunc 'subtract' did not contain a loop with signature matching types dtype('S32') dtype('S32') dtype('S32') 

编辑：例如取第 1 行。不是 2128.75，而是 2127.25。我从前一行的值中减去“Close_x”（已经是一个既定值）的差值，而不是加上它（这将给我 2128.75）。

编辑：

因此，在下面另一张海报给出的示例中，这就是我要寻找的内容：

	close_p	ticker	difference	ES_Inverse Price
0	100	aapl	NaN	NaN
1	102	aapl	2.0	98.0
2	103.4	aapl	1.4	96.6
3	101.2	aapl	-2.2	98.8
4	106.2	aapl	5.0	93.8

Answer 1

除非您提供您正在寻找的值，否则我不确定我是否完全理解，但也许就是这样？

df['ES_Inverse_price'] = df['Close_x'].shift(1) - df['ES_difference']

使用一些非常粗略的数据（我无法复制你的数据）：

df
   close_p ticker
0    100.0   aapl
1    102.0   aapl
2    103.4   aapl
3    101.2   aapl
4    106.2   apple

df['es_difference'] = df['close_p'].diff()
   close_p ticker  es_difference
0    100.0   aapl            NaN
1    102.0   aapl            2.0
2    103.4   aapl            1.4
3    101.2   aapl           -2.2
4    106.2   apple            5.0

df['es_inverse_price'] = df['close_p']-df['es_difference'].cumsum() - df['es_difference'].cumsum()
   close_p ticker  es_difference  es_inverse_price
0    100.0   aapl            NaN               NaN
1    102.0   aapl            2.0              98.0
2    103.4   aapl            1.4              96.6
3    101.2   aapl           -2.2              98.8
4    106.2   aapl            5.0              93.8

我不会考虑将所有内容都基于iloc[0,0] 以确保“安全”，但我不确定还能如何做到这一点。确保事先进行排序。