我有下面的mod_df Dataframe 与各种符号及其相应的价格。['下限']：是一列，用于查找较低的价格值。下面提到的代码是应用于mod_df['Lower Low ']列的条件，它工作正常。
data = {'Symbol': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
'Date': ['2023-05-15 15:00:00', '2023-05-15 22:00:00', '2023-05-16 07:00:00', '2023-05-16 14:00:00',
'2023-05-17 07:00:00', '2023-05-17 20:00:00', '2023-05-18 02:00:00', '2023-05-18 16:00:00',
'2023-05-19 07:00:00', '2023-05-22 09:00:00', '2023-05-15 00:00:00',
'2023-05-16 12:00:00', '2023-05-17 06:00:00', '2023-05-18 02:00:00'],
'Price': [0.90065, 0.90042, 0.89841, 0.89462, 0.89437, 0.89455, 0.89248, 0.89013, 0.89405, 0.89424, 0.59601,
0.59548, 0.59444, 0.59527],
'Helper_L': [0, 0, 0, 0, 0, 1, 1, 1, 2, 3, 0, 0, 0, 1],
}
mod_df = pd.DataFrame(data)
mod_df['Lower Low'] = np.where((mod_df['Helper_L'] != mod_df['Helper_L'].shift(-1))
& (mod_df['Price'] < mod_df['Price'].shift(1))
& (mod_df['Price'] < mod_df['Price'].shift(-1)), 'Lower Low', '')
print(mod_df)
Symbol Date Price Helper_L Lower Low
A 15-05-2023 15:00:00 0.90065 0
A 15-05-2023 22:00:00 0.90042 0
A 16-05-2023 07:00:00 0.89841 0
A 16-05-2023 14:00:00 0.89462 0
A 17-05-2023 07:00:00 0.89437 0 Lower Low
A 17-05-2023 20:00:00 0.89455 1
A 18-05-2023 02:00:00 0.89248 1
A 18-05-2023 16:00:00 0.89013 1 Lower Low
A 19-05-2023 07:00:00 0.89405 2
A 22-05-2023 09:00:00 0.89424 3
B 15-05-2023 00:00:00 0.59601 0
B 16-05-2023 12:00:00 0.59548 0
B 17-05-2023 06:00:00 0.59444 0 Lower Low
B 18-05-2023 02:00:00 0.59527 1由于我在符号列中有不同的符号，我试图使用下面的代码为mod_df['Lower Low ']列使用groupby和Lambda函数按符号分组，但我得到了错误：我得到错误：KeyError：'Helper_L'有人能建议如何解决这个问题吗？
mod_df['Lower Low'] = mod_df.groupby('Symbol')[['Helper_L','Price']]\
.transform(lambda df: np.where((df['Helper_L'] !=df['Helper_L'].shift(-1)) & (df['Price'] < df['Price'].shift(1))
& (df['Price'] < df['Price'].shift(-1)), 'Lower Low', ''))
1条答案
按热度按时间dgsult0t1#
不需要应用labmda函数。您可以在所需列上执行
groupby+shift，然后使用np.where以有效的方式选择值结果