如何形成一个新的数据框，以反映原始数据框中值的变化？

Question

如果你能窥视到未来，确切地知道什么股票购买和出售给他们的整个历史价格，你将如何实现它，给定约束，你只值Shares是1000 ， 0 ，和-1000 ？ 您还以1000股开始。 您还可以交易2000股，从1000直接增加到-1000 ，反之亦然。

我想要这样一个数据df_prices ：

              JPM
2008-01-02  38.47
2008-01-03  38.20
2008-01-04  37.33
2008-01-07  37.71
2008-01-08  36.21
2008-01-09  36.72

并将其转换为df_trades ：

            Symbol Order    Shares
2008-01-02  JPM    NOTHING  1000
2008-01-03  JPM    HOLD     1000
2008-01-04  JPM    HOLD     1000 
2008-01-07  JPM    BUY      0
2008-01-08  JPM    SELL     -1000
2008-01-09  JPM    HOLD     0

使用此代码：

if df_prices['JPM'].shift(1) > df_prices['JPM'] & curr_hold == 0:
    df_orders['Order'] = 'SELL'
    df_orders['Shares'] += 1000
elif df_prices['JPM'].shift(1) < df_prices['JPM'] & curr_hold == 0:
    df_orders['Order'] = 'BUY'
    df_orders['Shares'] -= 1000
elif df_prices['JPM'].shift(1) > df_prices['JPM'] & curr_hold == -1000:
    df_orders['Order'] = 'HOLD'
elif df_prices['JPM'].shift(1) < df_prices['JPM'] & curr_hold == 1000:
    df_orders['Order'] = 'HOLD'

但是，它不起作用。 我收到错误：

TypeError: cannot compare a dtyped [float64] array with a scalar of type [bool]

Answer 1

我能够弄清楚。

这足够了：

for i in range(len(df_prices)):
    if i == len(df_prices) - 1:
        df_orders.set_value(i, 'Date', df_prices.index[i])
        df_orders.set_value(i, 'Order', 'BUY')
        df_orders.set_value(i, 'Shares', 0)
        df_orders.set_value(i, 'Symbol', symbol)
        break
    if df_prices.loc[df_prices.index[i + 1]][symbol] > df_prices.loc[df_prices.index[i]][symbol] and curr_hold == 0:
        curr_hold += 1000
        df_orders.set_value(i, 'Date', df_prices.index[i])
        df_orders.set_value(i, 'Order', 'BUY')
        df_orders.set_value(i, 'Shares', 1000)
        df_orders.set_value(i, 'Symbol', 'JPM')
    elif df_prices.loc[df_prices.index[i + 1]][symbol] < df_prices.loc[df_prices.index[i]][symbol] and curr_hold == 0:
        curr_hold -= 1000
        df_orders.set_value(i, 'Date', df_prices.index[i])
        df_orders.set_value(i, 'Order', 'SELL')
        df_orders.set_value(i, 'Shares', 1000)
        df_orders.set_value(i, 'Symbol', symbol)
    elif df_prices.loc[df_prices.index[i + 1]][symbol] > df_prices.loc[df_prices.index[i]][symbol] and curr_hold == -1000:
        curr_hold += 2000
        df_orders.set_value(i, 'Date', df_prices.index[i])
        df_orders.set_value(i, 'Order', 'BUY')
        df_orders.set_value(i, 'Shares', 2000)
        df_orders.set_value(i, 'Symbol', symbol)
    elif df_prices.loc[df_prices.index[i + 1]][symbol] < df_prices.loc[df_prices.index[i]][symbol] and curr_hold == 1000:
        curr_hold -= 2000
        df_orders.set_value(i, 'Date', df_prices.index[i])
        df_orders.set_value(i, 'Order', 'SELL')
        df_orders.set_value(i, 'Shares', 2000)
        df_orders.set_value(i, 'Symbol', symbol)

尽管我可能可以将其中的许多模块进行模块化。