python - 从 pandas 数据框(库存)计算数据的更有效方法

Question

我想知道是否有更有效/更干净的方法来执行以下操作。假设我有一个包含 2 列的数据框，百分比(基于之前的价格)和操作，玩/买 (1) 或不玩/卖 (-1)。它基本上与股票有关。

为简单起见，请考虑示例 df:

Percent    Action
1.25       1
1.20       1
0.50       -1
0.75       1

我想生成以下内容。我只关心最终的金额，我只是展示这个表格供引用。假设我们一开始有 100 美元，并且处于不玩的状态。因此我们应该得到的金额为:

Playing    Percent    Action    Money
No         1.25       1         $100
Yes        1.20       1         $120
Yes        0.50       -1        $60
No         0.75       1         $60
Yes        ...        ...       ...

第一行的金额没有变化，因为我们还没有玩。由于 Action 为 1，我们将播放下一个 Action 。百分比上升了 20%，因此我们得到了 120 美元。下一个 Action 仍然是 1，所以我们仍然会在下一个 Action 中。百分比下降到 50%，所以我们最终得到 60 美元。下一个 Action 是-1，因此我们不会玩。百分比下降到 75%，但由于我们没有玩，所以我们的钱保持不变。等等。

目前，我有以下代码。它工作正常，但只是想知道是否有更有效的方法使用 numpy/pandas 函数。我的基本上是遍历每一行并计算值。

playing = False
money = 10000

for index, row in df.iterrows():
   ## UPDATE MONEY IF PLAYING
   if index > 0 and playing == True:
      money = float(format(money*row['Percent'],'.2f'))

   ## BUY/SELL
   if row['Action'] == 1:
      if playing == False:
         playing = True         ## Buy, playing after this
      elif row['Action'] == -1:
         if playing == True:
            playing = False   ## Sell, not playing after this

Answer 1

你可以试试这个:

# decide whether to play based on action
df['Playing'] = df.Action.shift().eq(1)

# replace Percent for not playing row with 1 and then calculate the cumulative product
df['Money'] = '$' + df.Percent.where(df.Playing, 1).cumprod().mul(100).astype(str)

df
#Percent  Action  Playing    Money
#0  1.25       1    False   $100.0
#1  1.20       1     True   $120.0
#2  0.50      -1     True    $60.0
#3  0.75       1    False    $60.0