Istnieje kilka podejść. Korzystanie apply
:
>>> df = pd.read_csv("bondstack.csv")
>>> df["shift"] = df["open"].shift(-1)
>>> df["b"] = df.apply(lambda row: row["shift"] if row["MA10"] > row["MA100"] else np.nan, axis=1)
która produkuje
>>> df[["MA10", "MA100", "shift", "b"]][:10]
MA10 MA100 shift b
0 16.915625 17.405625 16.734375 NaN
1 16.871875 17.358750 17.171875 NaN
2 16.893750 17.317187 17.359375 NaN
3 16.950000 17.279062 17.359375 NaN
4 17.137500 17.254062 18.640625 NaN
5 17.365625 17.229063 18.921875 18.921875
6 17.550000 17.200312 18.296875 18.296875
7 17.681250 17.177500 18.640625 18.640625
8 17.812500 17.159375 18.609375 18.609375
9 17.943750 17.142813 18.234375 18.234375
dla bardziej vectorized podejściu, można użyć
>>> df = pd.read_csv("bondstack.csv")
>>> df["b"] = np.nan
>>> df["b"][df["MA10"] > df["MA100"]] = df["open"].shift(-1)
lub mój preferowany podejście:
>>> df = pd.read_csv("bondstack.csv")
>>> df["b"] = df["open"].shift(-1).where(df["MA10"] > df["MA100"])
Jeśli chcesz użyć wynik listowego jako wskaźnik, należy użyć: 'df [[x dla x w df ["przesunięcie"] jeśli df ["MA10"]> df ["MA100"]]] ", ale myślę, że spowoduje to pewien wyjątek. Proszę zamieścić swoje przykładowe dane i pożądany wynik. – HYRY
@HYRY Dzięki za komentarz. Wysłałem link do moich przykładowych danych. Użyłem twojej sugestii przed opublikowaniem i otrzymałem błąd "nieprawidłową składnię", o czym wspomniałem. –
@ user1374969: policz liczbę nawiasów w sugestii HYRY, a następnie policz jej liczbę. – DSM