问题迭代列和行数据框

Question

这是我的问题：

假设您必须在以下条件下买卖两个对象：

1. 如果对象 A 或 B 的价格低于 150 (如果第二天对象仍然低于 150，那么您只需保留该对象，什么都不做
2. 如果对象高于或等于 150，则您卖出该对象并获利

你以 10000 美元开始游戏

这是包含所有价格的 DataFrame

df=pd.DataFrame({'Date':['2017-05-19','2017-05-22','2017-05-23','2017-05-24','2017-05-25','2017-05-26','2017-05-29'],
                 'A':[153,147,149,155,145,147,155],
                 'B':[139,152,141,141,141,152,152],})

df['Date']=pd.to_datetime(df['Date'])
df = df.set_index('Date')

目标是返回一个 DataFrame，其中包含您持有的 A 和 B 的对象数量以及您剩余的现金数量。 如果满足条件，每个物品的分配是您没有任何物品的现金的一半（重量=1/2），如果您已经有一个物品（重量=1），则为剩余的现金

我们先看df，我还将开发我正在尝试创建的新数据框（我们称之为df_end）：

在 2017 年 5 月 19 日，对象 A 为 153 美元，B 为 139 美元：您购买了 35.97 个对象 B (=5000/139)，因为价格为 您还剩 5000 美元现金。

在 2017 年 5 月 22 日，对象 A 为 147 美元，B 为 152 美元：您以 =150 --> 由于出售 B，您现在有 5467,44$ 现金。

在 2017 年 5 月 23 日，对象 A 为 149 美元，B 为 141 美元：您保持在对象 A（34.01 对象）上的头寸，因为它仍低于 150，您买入 38.77 对象 B（=5467.44/141）作为价格是 你现在还有 0 美元现金。

在 2017 年 5 月 24 日，对象 A 为 155 美元，B 为 141 美元：您以 155 美元的价格卖出 34.01 个对象 A，因为它高于 150 美元，您保留 38.77 个对象 B，因为它仍然低于 150 —> 您现在有由于出售 A，剩下 5271.55 美元的现金

在 2017 年 5 月 25 日，对象 A 为 145 美元，B 为 141 美元：您购买 36.35 个对象 A (5271.55/145)，因为它低于 150，您保留 38.77 个对象 B，因为它仍然低于 150 —> 你有现在0美元现金

在 2017 年 5 月 26 日，对象 A 为 147 美元，B 为 152 美元：您以 152 的价格卖出 38.77 个对象 B，因为它高于 150，您保留 36.35 个对象 A，因为它仍然低于 150 —> 您现在有 5893.04 美元由于出售对象 B 以现金支付

在 2017 年 5 月 29 日，对象 A 为 155 美元，B 为 152 美元：您以 155 的价格卖出 36.35 个对象 A，因为它高于 150，而您什么也不做，因为 B 不低于 150 —> 您现在有 11.527，出售对象 A 获得 29 美元现金。

因此，新的数据框 df_end 应该如下所示（这是我要寻找的结果）

               A     B    Cash
Date        
2017-05-19   0      35.97  5000
2017-05-22   34.01  0      5467.64
2017-05-23   34.01  38.77  0
2017-05-24   0      38.77  5272.11
2017-05-25   36.35  38.77  0    
2017-05-26   36.35  0      5893.04
2017-05-29   0      0      11527.29

我的主要问题是我们必须遍历行和列，这是最困难的部分。 一个星期以来我一直在努力寻找解决方案，但我仍然没有找到任何想法，这就是为什么我试图尽可能清楚地解释。

因此，如果有人对此问题有任何想法，非常欢迎您。 非常感谢

Answer 1

你可以试试这个：

import pandas as pd

df=pd.DataFrame({'Date':['2017-05-19','2017-05-22','2017-05-23','2017-05-24','2017-05-25','2017-05-26','2017-05-29'],
                 'A':[153,147,149,155,145,147,155],
                 'B':[139,152,141,141,141,152,152],})

df['Date']=pd.to_datetime(df['Date'])
df = df.set_index('Date')

print(df)

#Values before iterations
EntryCash=10000
newdata=[]
holding=False



#First iteration  (Initial conditions)
firstrow=df.to_records()[0]
possibcash=EntryCash if holding else EntryCash/2
prevroa=possibcash/firstrow[1] if firstrow[1]<=150 else 0
prevrob=possibcash/firstrow[2] if firstrow[2]<=150 else 0 
holding=any(i!=0 for i in [prevroa,prevrob])
newdata.append([df.to_records()[0][0],prevroa,prevrob,possibcash])

#others iterations
for row in df.to_records()[1:]:
    possibcash=possibcash if holding else possibcash/2
    a=row[1]
    b=row[2]
    if a>150:
        if prevroa>0:
            possibcash+=prevroa*a
            a=0
        else:
            a=prevroa
    else:
        if prevroa==0:
            a=possibcash/a
            possibcash=0
        else:
            a=prevroa
    if b>150:
        if prevrob>0:
            possibcash+=prevrob*b
            b=0
        else:
            b=prevrob
    else:
        if prevrob==0:
            b=possibcash/b
            possibcash=0
        else:
            b=prevrob
    prevroa=a
    prevrob=b
    newdata.append([row[0],a,b,possibcash])
    holding=any(i!=0 for i in [a,b])
    

df_end=pd.DataFrame(newdata, columns=[df.index.name]+list(df.columns)+['Cash']).set_index('Date')
print(df_end)

输出：

df
              A    B
Date                
2017-05-19  153  139
2017-05-22  147  152
2017-05-23  149  141
2017-05-24  155  141
2017-05-25  145  141
2017-05-26  147  152
2017-05-29  155  152

df_end
                    A          B          Cash
Date                                          
2017-05-19   0.000000  35.971223   5000.000000
2017-05-22  34.013605   0.000000   5467.625899
2017-05-23  34.013605  38.777489      0.000000
2017-05-24   0.000000  38.777489   5272.108844
2017-05-25  36.359371  38.777489      0.000000
2017-05-26  36.359371   0.000000   5894.178274
2017-05-29   0.000000   0.000000  11529.880831

如果要四舍五入到小数点后两位，可以加上：

df_end=df_end.round(decimals=2)
df_end:
                A      B      Cash
Date                              
2017-05-19   0.00  35.97   5000.00
2017-05-22  34.01   0.00   5467.63
2017-05-23  34.01  38.78      0.00
2017-05-24   0.00  38.78   5272.11
2017-05-25  36.36  38.78      0.00
2017-05-26  36.36   0.00   5894.18
2017-05-29   0.00   0.00  11529.88

最终值略有不同

它与您想要的输出略有不同，因为有时您将值四舍五入到小数点后两位，而有时您没有。例如： 在你的第二行你放：

#second row
2017-05-22   34.01  0      5467.64

这意味着您使用了对象 A 第一行的完整值，即 35.971223 而不是 35.97：

35.97*152
Out[120]: 5467.44

35.971223*152
Out[121]: 5467.6258960000005  #---->closest to 5467.64

在第 3 行，您再次使用了实际值，而不是四舍五入：

#row 3
2017-05-24   0      38.77  5272.11

#Values
34.013605*155
Out[122]: 5272.108775

34.01*155
Out[123]: 5271.549999999999

最后，我猜在最后两行你使用了四舍五入的值，因为：

#last two rows
2017-05-26   36.35  0      5893.04
2017-05-29   0      0      11527.29

#cash values

#penultimate row, cash value
38.777489*152
Out[127]: 5894.178328

38.77*152
Out[128]: 5893.040000000001

#last row, cash value
5894.04+(155*36.35)
Out[125]: 11528.29  #---->closest to 11527.29

5894.04+(155*36.359371)
Out[126]: 11529.742505