使用 IF THEN 函数计算数据框中的滚动数

Question

我需要帮助来尝试创建计算指标。我正在尝试为股票数据集创建 RSI 计算。为此，我想查看过去 14 天并找出股价上涨的所有日子的平均涨幅。然后，在股市下跌的所有日子里，我都必须做同样的事情。 这是一个示例表：

我期望的数据示例表

I am doing these calculations across multiple stocks, so I created a dictionary which I then concatenate. Here is the code:

stocklist=["^SPX", "^DJI"]
d={}
def averageGain14(dailyGain):
    if dailyGain>= 0:
        gain = dailyGain
    return gain
for name in stocklist:
    d[name]= pd.DataFrame()
    data = yf.Ticker(name)
    data = data.history(start=myStart, end=myEnd)
    d[name]= pd.DataFrame(data)
    d[name]["Daily Gain"]=d[name]["Close"].diff()
    d[name]['Average Gain'] = d[name]["Daily Gain"].apply(averageGain14)
    d[name] = d[name].add_prefix(name)
modelData = pd.concat(d.values(), axis=1)

如您所见，我尝试在顶部为averagegain14定义一个函数，该函数当前尚未执行任何操作，但会在一天结束时返回增益值（使其正常工作的步骤1）。在 For 循环中，我尝试将“平均增益”列设置为计算字段，将该函数应用于“每日增益”列，但我似乎遇到了错误。

我尝试了一些方法，但没有效果。首先我尝试过

d[name]['Average Gain'] = d[name].rolling(14).mean().where(d[name]['Daily Gain'] >= 0, 0)

返回了一个错误，有关每日增益值是一个列表而不是单个值。然后我尝试用 .values 附加每日增益调用，但这也不起作用。然后我尝试了上面的这种方法，但不起作用。我认为为了增加复杂性，我需要将其作为基于过去 14 天的滚动平均值，这样不仅可以计算正数天数的总和，而且还可以找到这些天数的平均增益（知道分母是如何计算的） 14 天窗口内还有很多天）。希望这是有道理的，有人可以指出我正确的方向。

Answer 1

从

rolling

 返回多个值很棘手，因此拥有两个函数可能更容易。您可以控制 

min_periods

 以及是否想要使用 

.ge

 和 

.le

 而不是 .

gt

 和 

.lt

（例如：大于或等于与大于）。

import numpy as np
import pandas as pd

def gain_avg(p):
  return p.loc[p.gt(p.shift())].mean()
def loss_avg(p):
  return p.loc[p.lt(p.shift())].mean()

prices = np.random.randint(10,20,100)
df = pd.DataFrame(prices, columns=['prices'])
df['gain_avg'] = df.prices.rolling(14, min_periods=1).apply(lambda x: gain_avg(x))
df['loss_avg'] = df.prices.rolling(14, min_periods=1).apply(lambda x: loss_avg(x))

输出

   prices  gain_avg   loss_avg
0      17       NaN        NaN
1      19     19.00        NaN
2      17     19.00  17.000000
3      13     19.00  15.000000
4      17     18.00  15.000000
5      13     18.00  14.333333
6      15     17.00  14.333333
7      11     17.00  13.500000
8      18     17.25  13.500000
9      15     17.25  13.800000