使用 pandas 遍历 DataFrame 的股票

Question

我对 python 和 pandas 比较陌生。 我有一个DataFrame，上面有几只股票及其过去几天相关的“低价”价格。我正在尝试遍历每只股票（现在我只有 3 只，但最终会有数千只），然后对于每只股票，我想看看当天的“低价”价格是否大于昨天的低价，我想看看如果昨天的低价低于两天前的低价。对于满足此条件的每只股票，我最终都希望将它们导出到 csv 文件。

list = ['IBM', 'AMZN', 'FB'] 

stockData = DataReader(list,  'yahoo', datetime(2016,06,8), datetime.today().utcnow())

low = stockData['Low']

low0 = low.iloc[-1]
low1 = low.iloc[-2]
low2 = low.iloc[-3]

变量 low0、low1 和 low2 可能不是必需的，但我确实喜欢它们如何拼接出我想要的特定数据。

然后我尝试用我的函数迭代列表中的每只股票：

for stock in list:
    if low0 > low1 and low1 < low2:
        print True
    else: 
        print False

这是我得到的错误： ValueError：Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

如有任何意见，我将不胜感激。

Answer 1

这是一个类似但略有不同的解决此问题的方法的示例。我使用虚拟值来演示。

首先，我创建一个数据框。

dates = pd.date_range('20130101', periods=3)
IBM = [5,3,2]
AMZN = [1,7,6]
FB = [4,7,9]
df = pd.DataFrame({'IBM': IBM,'AMZN': AMZN,'FB':FB}, index=dates)
df
          AMZN  FB  IBM
2013-01-01  1   4   5
2013-01-02  7   7   3
2013-01-03  6   9   2

我使用.shift() 来跟踪与数据框中的第一天和第二天相比，第二天和第三天的值上升或下降了多少。我通过从df 中减去df.shift(1) 来做到这一点。第一天的值将替换为NaN。

df - df.shift(1)
           AMZN     FB     IBM
2013-01-01  NaN     NaN     NaN  
2013-01-02  6.0     3.0     -2.0
2013-01-03  -1.0    2.0     -1.0

如果您更喜欢True 或False，您可以检查这些值是高于还是低于0。因此，在这种情况下，True 表示向上，False 表示向下，第一天的起始值将替换为 False。

df - df.shift(1) > 0
            AMZN    FB      IBM
2013-01-01  False   False   False
2013-01-02  True    True    False
2013-01-03  False   True    False 

Answer 2

要确定Low 在过去三天内是否一直在增加，您可以使用以下命令：

stockData = stockData.sort_index(ascending=False).iloc[:3] # reverse order, use last three days

比较相邻日期之间的Low 的条件之一，如果Low 在这两种情况下都在增加，则返回True：

stockData[(stockData.Low < stockData.Low.shift(1)) & (stockData.Low.shift(1) < stockData.Low.shift(2))]

或者检查最后三个 Low 价格之间的差值是否为负数（因为现在是最近的一天）：

stockData.Low.diff().dropna() < 0).all()

所以对于您的应用程序：

for stock in ['IBM', 'AMZN', 'FB']:
    stockData = DataReader(stock, 'yahoo', datetime(2016, 6, 8), datetime.today().utcnow()).sort_index(ascending=False).iloc[:3]
    print('\n', stockData.Low)
    print(stock, (stockData.Low.diff().dropna()<0).all())
    print(stock, stockData[(stockData.Low < stockData.Low.shift(1)) & (stockData.Low.shift(1) < stockData.Low.shift(2))].Low.any())


 Date
2016-06-15    150.600006
2016-06-14    150.399994
2016-06-13    150.279999
Name: Low, dtype: float64
IBM True
IBM True

 Date
2016-06-15    713.349976
2016-06-14    712.270020
2016-06-13    711.159973
Name: Low, dtype: float64
AMZN True
AMZN True

 Date
2016-06-15    114.070000
2016-06-14    113.580002
2016-06-13    113.309998
Name: Low, dtype: float64
FB True
FB True