如何用其他列的計算值替換熊貓數據框中的 NaN

Question

我在下面的數據框中添加了最后一行作為最新數據。

df.tail()

            Open    High    Low     Close   %K      %D
Date                        
2022-06-22  23.71   25.45   23.55   24.29   21.74   18.01
2022-06-23  24.94   25.57   24.17   25.33   31.30   25.15
2022-06-24  26.11   28.04   26.05   27.98   51.99   35.01
2022-06-27  28.35   28.50   27.00   27.32   47.54   43.61
2022-06-28  27.46   28.21   24.76   24.83   NaN     NaN

我想用來自其他列的數據的計算值填充 NaN 值。

我可以用下面的代碼做到這一點，

df['14-high'] = df['High'].rolling(14).max()
df['14-low'] = df['Low'].rolling(14).min()
df['%K'] = (df['Close'] - df['Low'].rolling(14).min())*100/(df['14-high'] - df['14-low'])
df['%D'] = df['%K'].rolling(3).mean()

df.drop(columns=['14-high', '14-low'], inplace=True)

有沒有更好的方法可以在不重新計算 %K 和 %D 列的情況下做到這一點？ 即只計算 NaN 單元格而不是整個列。

Answer 1

一種方法是使用pandas fillna() 方法。
您仍然需要第一次計算：

df['14-high'] = df['High'].rolling(14).max()
df['14-low'] = df['Low'].rolling(14).min()

但是您只能更新 %K 和 %D 列中的 NaN 值：

df['%K'].fillna((df['Close'] - df['Low'].rolling(14).min())*100/(df['14-high'] - df['14-low']), inplace=True)
df['%D'].fillna(df['%K'].rolling(3).mean(), inplace=True)

希望我能幫上忙！