将带有逻辑表达式的 DataFrame 应用于另一个 DataFrame（需要 Pandas 向导）

Question

我有一个 DataFrame conditions，其中包含一组条件，这些条件类似于表达式：

             indicator     logic    value
Discount  'ADR Premium'     '<'     -0.5
Premium   'ADR Premium'     '>'      0.5

现在我有一个带有一组值的数据框indicators，在这种情况下只有一个指标ADR Premium：

                             ADR Premium
2015-04-20 15:30:00-04:00    -0.102270
2015-04-21 15:30:00-04:00     0.235315
2015-04-22 15:30:00-04:00    -0.323919
2015-04-23 15:30:00-04:00     0.546363
2015-04-24 15:30:00-04:00    -0.714143
2015-04-27 15:30:00-04:00    -0.153165
2015-04-28 15:30:00-04:00     0.878494
2015-04-29 15:30:00-04:00     0.993079
2015-04-30 15:30:00-04:00    -0.824815
2015-05-04 15:30:00-04:00     1.644784
2015-05-05 15:30:00-04:00    -0.254343
2015-05-06 15:30:00-04:00    -0.268981
2015-05-07 15:30:00-04:00     0.591411
2015-05-08 15:30:00-04:00    -0.588047
2015-05-11 15:30:00-04:00    -0.458143
2015-05-12 15:30:00-04:00     0.063643
2015-05-13 15:30:00-04:00    -0.051659
2015-05-14 15:30:00-04:00     1.474963
2015-05-15 15:30:00-04:00    -0.172429
2015-05-18 15:30:00-04:00     0.035558

我希望实现的是将conditions 的逻辑应用于indicators，以便生成一个名为signals 的新数据框。为了让您了解我在寻找什么，请参见下文。这只查看conditions 中的第一个条件和indicator 中的第五个值（因为它的计算结果为True）：

signals_list = []

conditions_index = 0
indicators_index = 4

if eval( str(indicators[conditions.ix[conditions_index].indicator][indicators_index]) + conditions.ix[conditions_index].log
ic + str(conditions.ix[conditions_index].value) ):

    signal = {'Time': indicators.ix[indicators_index].name,
              'Signal': conditions.ix[conditions_index].name}

    signals_list.append(signal)

signals = pd.DataFrame(signals_list)
signals.index = signals.Time
signals.drop('Time', 1)

这给我留下了signals：

                             Signal
Time
2015-04-24 15:30:00-04:00  'Discount'

我想以最有效的 Pandas-ic 方法针对适用指标的所有条件执行此操作。期待想法。

Answer 1

很难从问题中分辨出来，但我认为您只想根据该列的某些条件对indicators 中的每个条目进行分类。首先我会初始化信号：

signals = pd.Series(index=indicators.index)

这将是一系列的 nan。对于给定指标名称（在这种情况下为 ADR 溢价）、逻辑、值和分类，您可以执行类似的操作

bool_vector = indicators.eval(' '.join(indicator, logic, value))
signals[bool_vector] = classification

在给出的示例中，这将转换为

bool_vector = indicators.eval('ADR Premium < -0.5) 
signals[bool_vector] = 'discount'

对于conditions 中的第一行，并将所有满足条件的行设置为“折扣”。您可以对每一行执行相同的操作。从示例中很难看出，但如果您有多个列，您可能希望将信号作为 DataFrame。您可以使用

循环遍历conditions

for classification, (indicator, logic, value) in conditions.iterrows():

对于完全矢量化的解决方案，您需要提供更完整的示例。