有效地使用 Pandas 系列、Numpy 数组和 Python 列表 [关闭]

Question

任务：我有一系列每日收盘价，我想实现以下目标： (i) 计算任意 5 天窗口内任意两天之间的最大百分比变化 (ii) 以 5 天滚动窗口为基础存储这些最大值 (iii) 计算所有 5 天滚动窗口中这些最大值的第 99 个百分位

相当简单的问题。我对 Python 很陌生，发现自己混合了 Python 列表、Numpy 数组和 Pandas 系列来实现上述目标，我确信这不是高效编码的正确方法。

问题：我在下面附上我的代码。有没有办法实现相同的目标，而不必为这个简单的任务使用多个对象（即一个 Pandas DataFrame，然后将其复制到一个 Numpy Array 中，用于修改 Python 列表，最终转换为熊猫系列）？另外，内循环可以通过原生Numpy或Pandas迭代方法（如ndenumerate）来实现，而不是通过索引循环吗？

#pd_prices is a Pandas DataFrame containing daily open, high, low, and close prices

#store just closing prices into a Numpy array
np_prices = np.array(pd_prices['close'])

my_max = [0] # Python list that will be appended

# loop through Numpy array using ndenumerate
for i, price in np.ndenumerate(np_prices):

    local_max = 0.0
    j = min(i[0],(np_prices.size - 6))
    for k in range(1,6,1):
        # compute local % change between two days within a 5-day window
        pct_change = (np_prices[j+k] / np_prices[j]) - 1
        # store max over the current 5-day window 
        local_max = max(local_max,abs(pct_change))

     # save max from current 5-day window into  list before computing max over next 5-day window
     my_max.append(local_max)

#in order to use Pandas quantile function, the list is converted to Pandas Series object
pd_maxes = pd.Series(my_max)
print(pd_maxes.quantile(0.99))

Answer 1

几个建议：

1. 从列表中创建numpy 数组：

   my_max = np.vstack(my_max)
   可能是 hstack，不确定维度

2. 将numpy 也用于分位数：

   print(np.quantile(my_max, 0.99, axis=?)
   同样，轴不确定基础数据`

3. 如果您想从numpy 获取python 列表和stack 函数，并且您事先知道数组的大小，请使用：

   my_max = np.empty((rows, cols))

只需确保您实际初始化它们，使用np.zeros，具体取决于您的数据。

编辑（关于您的评论）：

4. 如果您想将每个元素除以下一个、第二个...等等，请使用矢量化：

   div = array[:-1] / array[1:]

   这将每个元素除以下一个元素，除了最后一个，因为在那里不可能。如果您想为第五个元素执行此操作，请将索引移动 5：

   div = array[:-5] / array[5:]

   您可以编写 5 次，也可以使用循环来循环该参数 n，但是，这比 2 个嵌套循环要快得多，因为它使用 numpys 内部向量化。