我正在使用np.where
对财务数据进行算法交易回测。 假设我有这个简单的数据帧,按日期和一天中的一些分钟编制索引,作为列,在特征 A 和特征 B 的单元格中具有任意值,用作测试条件。 column_df
300 310 320 330 340 A B pred_min1 pred_min2
2010-04-28 9 10 11 12 13 5 2 330 300
2010-04-29 19 20 21 22 23 5 2 330 300
2010-04-30 29 30 31 32 33 1 7 340 330
2010-04-31 39 40 41 42 43 1 7 340 330
我可以通过以下方式根据 A 列和 B 列的特定条件计算一天的回报:
import pandas as pd
import numpy as np
column_df['return'] = np.where(column_df['A']<column_df['B'],
column_df['320']-column_df['310'],
column_df['320']-column_df['300'])
这将创建一个新的返回列:
300 310 320 330 340 A B pred_min1 pred_min2 return
2010-04-28 9 10 11 12 13 5 2 330 300 2
2010-04-29 19 20 21 22 23 5 2 330 300 2
2010-04-30 29 30 31 32 33 1 7 340 330 1
2010-04-31 39 40 41 42 43 1 7 340 330 1
现在,如果我添加两列预测分钟数,我想每天交易,pred_min1和pred_min2。
如何测试某个条件 A 和 B,但动态使用存储在 pred_min1 和 pred_min2 中的列标签,使用这些单元格值表示当天的列中存储的值计算当天的回报? 从本质上讲,我想要一种灵活的方法来选择列,以根据在 pred_min1 和 pred_min2 中找到的标签进行计算,每行按元素逐个,以矢量化的方式进行计算,而无需使用循环。
我试过了:
column_df['return'] = np.where(column_df['A']<column_df['B'],
column_df['320']-column_df['310'],
column_df[str(column_df.loc[:,'pred_min1'].values)]-column_df['300'])
有错误:
KeyError: '[330 330 340 340]'
我也试过:
column_df['return'] = np.where(column_df['A']<column_df['B'], column_df['320']-column_df['310'], column_df[str(column_df.loc[:,'pred_min1'])]-column_df['300'])
有错误:
KeyError: '2019-04-28 330n2019-04-29 330n2019-04-30 340n2019-04-31 340nName: pred_min1, dtype: int64'
和
column_df['return'] = np.where(column_df['A']<column_df['B'], column_df['320']-column_df['310'], column_df[str(column_df.pred_min1)]-column_df['300'])
有错误:
KeyError: '2019-04-28 330n2019-04-29 330n2019-04-30 340n2019-04-31 340nName: pred_min1, dtype: int64'
任何帮助,不胜感激。 谢谢
您应该尝试在apply
方法中定义用户定义的函数
def func(r):
if r['A'] < r['B']:
r['return']= r['320']-r['310']
else:
r['return'] = r[str(r['pred_min1'])] - r['300']
return r
df = df.apply(func, axis=1)