gpt4 book ai didi

python - 在数据框中不使用循环的情况下进行简单的 Excel min 计算

转载 作者:行者123 更新时间:2023-12-01 08:52:49 25 4
gpt4 key购买 nike

问题:

所以我有一个非常基本的 Excel 公式,我想在 python 数据框中复制它。我试图重新创建的是 periodDraw 列。所做的就是计算一个运行值,该值告诉您在制定新的最大值之前距离最大 pl 有多远。我正在尝试找到一种方法来计算数据框中的该列,而不使用循环,或者如果必须循环它,则以尽可能最快的方式计算该列。

预期输出:下表中的PeriodDraw 列。

<小时/>

公式的作用:

因此总 PL 是运行总计。 max 列是 Total PL 列的运行最大值,Diff 仅采用 Total PL 和 Max 列的差异。

在 Excel 中,周期绘制第二行中的公式为 =IF(G2=0,0,MIN(G2,H1)),其中 G2 = Diff,H 列是周期绘制。

本质上,如果 diff 为 0,则意味着 pl 当前处于最大值。如果不是,那么我想知道当前的差异是否小于我之前的差异值?如果是,那就是新的最小值,如果不是保持不变。

<小时/>

如果您想查看公式,这里是电子表格的链接: https://docs.google.com/spreadsheets/d/1lvwIi3ZwLU0Y_6G3fGHII_WvEPU8kPdJ9mUgHUVlBUc/edit?usp=sharing

我只能使用 for 循环重复此操作。

+------------+----------+---------+----------+----------+-------+--------+------------+
| TradeCount | Entry Px | Exit Px | Trade PL | Total PL | Max | Diff | PeriodDraw |
+------------+----------+---------+----------+----------+-------+--------+------------+
| 1 | 0.5057 | 0.6327 | 26656 | 26656 | 26656 | 0 | 0 |
| 2 | 0.66 | 0.6552 | -1022 | 25634 | 26656 | -1022 | -1022 |
| 3 | 0.6577 | 0.6066 | -10745 | 14889 | 26656 | -11767 | -11767 |
| 4 | 0.6066 | 0.5682 | 8050 | 22939 | 26656 | -3717 | -11767 |
| 5 | 0.5682 | 0.5632 | -1064 | 21875 | 26656 | -4781 | -11767 |
| 6 | 0.5632 | 0.5627 | 91 | 21966 | 26656 | -4690 | -11767 |
| 7 | 0.5627 | 0.5657 | 616 | 22582 | 26656 | -4074 | -11767 |
| 8 | 0.5876 | 0.5691 | -3899 | 18683 | 26656 | -7973 | -11767 |
| 9 | 0.5527 | 0.5679 | 3178 | 21861 | 26656 | -4795 | -11767 |
| 10 | 0.5867 | 0.5777 | -1904 | 19957 | 26656 | -6699 | -11767 |
| 11 | 0.5599 | 0.5597 | -56 | 19901 | 26656 | -6755 | -11767 |
| 12 | 0.5875 | 0.5917 | 868 | 20769 | 26656 | -5887 | -11767 |
| 13 | 0.5757 | 0.5615 | -2996 | 17773 | 26656 | -8883 | -11767 |
| 14 | 0.5752 | 0.5545 | -4361 | 13412 | 26656 | -13244 | -13244 |
| 15 | 0.5722 | 0.5827 | 2191 | 15603 | 26656 | -11053 | -13244 |
| 16 | 0.5752 | 0.6528 | 16282 | 31885 | 31885 | 0 | 0 |
| 17 | 0.6511 | 0.6288 | -4697 | 27188 | 31885 | -4697 | -4697 |
| 18 | 0.65 | 0.6487 | -287 | 26901 | 31885 | -4984 | -4984 |
| 19 | 0.5919 | 0.6264 | -7259 | 19642 | 31885 | -12243 | -12243 |
| 20 | 0.6264 | 0.6323 | 1225 | 20867 | 31885 | -11018 | -12243 |
| 21 | 0.6281 | 0.5617 | -13958 | 6909 | 31885 | -24976 | -24976 |
+------------+----------+---------+----------+----------+-------+--------+------------+
<小时/>

到目前为止我尝试过的:

stats_df['Max'] = stats_df['PL_Accum'].cummax()
stats_df['Diff'] = stats_df['PL_Accum'] - stats_df['Max']
df = stats_df.copy().reset_index()
m = []
for i in df.index:
if df.iloc[i, df.columns.get_loc('PL_Accum')] == df.iloc[i, df.columns.get_loc('Max')]:
m.append(df.iloc[i, df.columns.get_loc('Diff')])
elif i == 0:
m.append(0)
else:
m.append(min(m[i - 1], df.iloc[i, df.columns.get_loc('Diff')]))

stats_df['PeriodDraw_Closed'] = m

最佳答案

让我们试试这个,我包括 PD_close 进行比较:我认为您正在按组寻找 cummin 函数。

df['PD_Close'] = df.groupby(df['Diff'].eq(0).cumsum())['Total PL']\
.transform(lambda x: x.cummin())-df['Max']

详细信息:

  • 我们将数据帧分成由列 Diff 等于 0 定义的组。如何使用 eq 来设置 diff 为零的行,然后每次 Diff 等于时使用 cumsum 递增计数器零。
  • 接下来,我们使用该计数器将数据帧分组为多个部分所以我们可以计算局部最小值。使用 cummin 我们可以保持对每组中找到的总 PL 的最低值进行运行计数。
  • 最后,我们从每组的局部最小值中减去 Max。

如果您从组内部开始运行该语句的每个小部分,然后进行计算,您会看到该语句已成型。

输出:

     TradeCount  Entry Px  Exit Px  Trade PL  Total PL    Max   Diff  PeriodDraw  PD_close
0 1 0.5057 0.6327 26656 26656 26656 0 0 0
1 2 0.6600 0.6552 -1022 25634 26656 -1022 -1022 -1022
2 3 0.6577 0.6066 -10745 14889 26656 -11767 -11767 -11767
3 4 0.6066 0.5682 8050 22939 26656 -3717 -11767 -11767
4 5 0.5682 0.5632 -1064 21875 26656 -4781 -11767 -11767
5 6 0.5632 0.5627 91 21966 26656 -4690 -11767 -11767
6 7 0.5627 0.5657 616 22582 26656 -4074 -11767 -11767
7 8 0.5876 0.5691 -3899 18683 26656 -7973 -11767 -11767
8 9 0.5527 0.5679 3178 21861 26656 -4795 -11767 -11767
9 10 0.5867 0.5777 -1904 19957 26656 -6699 -11767 -11767
10 11 0.5599 0.5597 -56 19901 26656 -6755 -11767 -11767
11 12 0.5875 0.5917 868 20769 26656 -5887 -11767 -11767
12 13 0.5757 0.5615 -2996 17773 26656 -8883 -11767 -11767
13 14 0.5752 0.5545 -4361 13412 26656 -13244 -13244 -13244
14 15 0.5722 0.5827 2191 15603 26656 -11053 -13244 -13244
15 16 0.5752 0.6528 16282 31885 31885 0 0 0
16 17 0.6511 0.6288 -4697 27188 31885 -4697 -4697 -4697
17 18 0.6500 0.6487 -287 26901 31885 -4984 -4984 -4984
18 19 0.5919 0.6264 -7259 19642 31885 -12243 -12243 -12243
19 20 0.6264 0.6323 1225 20867 31885 -11018 -12243 -12243
20 21 0.6281 0.5617 -13958 6909 31885 -24976 -24976 -24976
21 22 0.5589 0.6311 -15176 -8267 31885 -40152 -40152 -40152
22 23 0.6311 0.7148 17563 9296 31885 -22589 -40152 -40152
23 24 0.6925 0.6867 1204 10500 31885 -21385 -40152 -40152
24 25 0.6867 0.6874 133 10633 31885 -21252 -40152 -40152
25 26 0.6874 0.6260 12880 23513 31885 -8372 -40152 -40152
26 27 0.6260 0.7252 20818 44331 44331 0 0 0
27 28 0.7252 0.7177 1561 45892 45892 0 0 0
28 29 0.7092 0.7241 3115 49007 49007 0 0 0
29 30 0.7241 0.7303 -1316 47691 49007 -1316 -1316 -1316
.. ... ... ... ... ... ... ... ... ...
99 100 1.2640 1.2666 -560 43015 63273 -20258 -75040 -75040
100 101 1.2666 1.3050 8050 51065 63273 -12208 -75040 -75040
101 102 1.3222 1.3075 -3101 47964 63273 -15309 -75040 -75040
102 103 1.2927 1.3443 -10850 37114 63273 -26159 -75040 -75040
103 104 1.3458 1.3452 -140 36974 63273 -26299 -75040 -75040
104 105 1.3502 1.3484 -392 36582 63273 -26691 -75040 -75040
105 106 1.3578 1.4015 9163 45745 63273 -17528 -75040 -75040
106 107 1.4119 1.3982 -2891 42854 63273 -20419 -75040 -75040
107 108 1.4098 1.3950 -3122 39732 63273 -23541 -75040 -75040
108 109 1.3950 1.2162 37534 77266 77266 0 0 0
109 110 1.2236 1.2227 175 77441 77441 0 0 0
110 111 1.2317 1.2749 -9086 68355 77441 -9086 -9086 -9086
111 112 1.2749 1.3335 12292 80647 80647 0 0 0
112 113 1.3233 1.2642 -12425 68222 80647 -12425 -12425 -12425
113 114 1.2343 1.1587 15862 84084 84084 0 0 0
114 115 1.1655 1.1427 4774 88858 88858 0 0 0
115 116 1.1226 1.0950 -5810 83048 88858 -5810 -5810 -5810
116 117 1.0950 1.0927 469 83517 88858 -5341 -5810 -5810
117 118 1.0676 1.0243 9079 92596 92596 0 0 0
118 119 0.9734 1.0088 -7448 85148 92596 -7448 -7448 -7448
119 120 1.0327 1.0484 3283 88431 92596 -4165 -7448 -7448
120 121 1.0484 1.0769 -5999 82432 92596 -10164 -10164 -10164
121 122 1.0794 1.0766 -602 81830 92596 -10766 -10766 -10766
122 123 1.0766 1.0764 28 81858 92596 -10738 -10766 -10766
123 124 1.0794 1.0817 469 82327 92596 -10269 -10766 -10766
124 125 1.0817 1.0697 2506 84833 92596 -7763 -10766 -10766
125 126 1.0697 1.1097 -8414 76419 92596 -16177 -16177 -16177
126 127 1.1097 1.1247 3136 79555 92596 -13041 -16177 -16177
127 128 1.1462 1.1497 721 80276 92596 -12320 -16177 -16177
128 129 1.1497 1.1517 -434 79842 92596 -12754 -16177 -16177

关于python - 在数据框中不使用循环的情况下进行简单的 Excel min 计算,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52993681/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com