python pandas数据框，对值的操作

Question

我试图了解 Pandas DataFrames 如何向下复制信息，然后重置直到下一个变量发生变化...具体如下，一旦我的 Signal 或 Signal_Diff 从 1 切换到 0，如何使 Share_Amt_To_Buy 重置为 0？

在 Share_Amt_To_Buy 上使用 .cumsum() 最终会降低价值并积累，这并不是我想要做的。

我的目标是，当 Signal 从 0 变为 1 时，会计算并复制 Share_Amt_To_Buy，直到 Signal 切换回 0。然后如果 Signal 再次变为 1，我希望根据该时间点重新计算 Share_Amt_To_Buy。

希望这是有道理的 - 请告诉我。

Signal  Signal_Diff  Share_Amt_To_Buy (Correctly)  Share_Amt_To_Buy (Currently)
0       0            0                             0
0       0            0                             0
0       0            0                             0
1       1            100                           100
1       0            100                           100
1       0            100                           100
0       -1           0                             100
0       0            0                             100
1       1            180                           280
1       0            180                           280

如您所见，我的信号从 0 到 1 交替变化，这意味着以下内容： 0 = 没有交易（或头寸） 1 = 交易（持仓）

Signal_Diff 计算如下

portfolio['Signal_Diff'] = portfolio['Signal'].diff().fillna(0.0)

“Share_Amt_To_Buy”列是在信号从 0 变为 1 时计算的。我以以下为例进行计算

initial_cap = 100000.0
portfolio['close'] = my stock's closing prices as a float
portfolio['Share_Amt'] = np.where(variables['Signal']== 1.0, np.round(initial_cap / portfolio['close'] *     0.25 * portfolio['Signal']), 0.0).cumsum()

portfolio['Share_Amt_To_Buy'] = (portfolio['Share_Amt']*portfolio['Signal'])

Answer 1

据我了解，熊猫没有内置公式模块。您可以对列、单元格、数组执行公式并从中生成不同的数组或值（df[column].count() 就是一个例子），并且可以做很多类似的工作，但是没有动态更新数组的方法本身基于数组中的另一个值（如 Excel 公式）。

您总是可以反复执行该过程并说：

>>> for index in df.index:
>>>     if df['Signal_Diff'] == 0:
>>>         df.loc[index, 'Signal_Diff'] = some_value
>>>     elif df['Signal_Diff'] == 1:
>>>         df.loc[index, 'Signal_Diff'] = some_other_value

或者您可以通过地图工具创建自定义函数： https://stackoverflow.com/a/19226745/4131059

编辑：

另一种解决方案是在旧数组中查询所有值为 1 的索引，并在对数组进行一些更改时查询新数组：

>>> df_old_list = df[df.Signal_Diff == 1].index.tolist()
>>> ...
>>> df_new_list = df[df.Signal_Diff == 1].index.tolist()
>>>
>>> for x in df_old_list:
>>>     if x in df_new_list:
>>>         df_new_list.remove(x)

然后仅针对 df_new_list 中的索引重新计算。