基于 Pandas Dataframe 中的多列计算公式 - 但不创建许多中间列答案

【问题标题】：Calculating formula based on multiple columns in Pandas Dataframe - but without creating many intermediate columns基于 Pandas Dataframe 中的多列计算公式 - 但不创建许多中间列
【发布时间】：2018-05-29 18:24:00
【问题描述】：

我一直在尝试根据包含股票代码价格历史的 Pandas 数据框计算“真实范围”公式。

这是公式：

TR = max [(high - low ), abs(high − close prev), abs ⁡(low − close prev)]

我在数据框中有高、低和接近的列。

当我尝试这样操作时，我得到了无效的字符标识符错误，这不是很有帮助。我在下面的表达式中尝试了很多变化和组合，但没有成功。

df['TR']=((df['high']-df['low']), (df['high'] - df['adjclose'].shift(1)).abs(),(df['low'] - df['adjclose'].shift(1))).max(axis=1)

我知道这可以通过三个独立的中间列并取其中的最大值来实现。但是，我想避免同样的事情，直接去做。

有出路吗？

【问题讨论】：

标签： python pandas numpy

【解决方案1】：

将concat 与max 一起使用：

df['TR'] = pd.concat([(df['high'] - df['low']), 
                      (df['high'] - df['adjclose'].shift(1)).abs(),
                      (df['low']  - df['adjclose'].shift(1))], axis=1).max(axis=1)

示例：

df = pd.DataFrame({'high':[4,5,4,5,5,4],
                   'low':[7,8,9,4,2,3],
                   'adjclose':[1,3,5,7,1,0]})

print (df)
   adjclose  high  low
0         1     4    7
1         3     5    8
2         5     4    9
3         7     5    4
4         1     5    2
5         0     4    3

df['TR'] = pd.concat([(df['high']-df['low']), 
                      (df['high'] - df['adjclose'].shift(1)).abs(),
                      (df['low'] - df['adjclose'].shift(1))], axis=1).max(axis=1)

print (df)
  adjclose  high  low   TR
0         1     4    7 -3.0
1         3     5    8  7.0
2         5     4    9  6.0
3         7     5    4  1.0
4         1     5    2  3.0
5         0     4    3  3.0

详情：

print (pd.concat([(df['high']-df['low']), 
                      (df['high'] - df['adjclose'].shift(1)).abs(),
                      (df['low'] - df['adjclose'].shift(1))], axis=1))
   0    1    2
0 -3  NaN  NaN
1 -3  4.0  7.0
2 -5  1.0  6.0
3  1  0.0 -1.0
4  3  2.0 -5.0
5  1  3.0  2.0

Numpy 解决方案不同，因为行中 NaN 的最大值又是 NaN：

df['TR1'] = np.max(np.c_[(df['high']-df['low']), 
                        (df['high'] - df['adjclose'].shift(1)).abs(),
                        (df['low'] - df['adjclose'].shift(1))], axis=1)

print (df)
   adjclose  high  low  TR1
0         1     4    7  NaN
1         3     5    8  7.0
2         5     4    9  6.0
3         7     5    4  1.0
4         1     5    2  3.0
5         0     4    3  3.0

print (np.c_[(df['high']-df['low']), 
                        (df['high'] - df['adjclose'].shift(1)).abs(),
                        (df['low'] - df['adjclose'].shift(1))])

[[-3. nan nan]
 [-3.  4.  7.]
 [-5.  1.  6.]
 [ 1.  0. -1.]
 [ 3.  2. -5.]
 [ 1.  3.  2.]]

【讨论】：

有道理:)！
@RafaelC - 我添加了 numpy 解决方案，得到NaN。
谢谢。只是为了完整起见，错过了公式中的第二个 abs() - 这是我的错误（与问题的技术部分和出色的技术答案无关），但为了记录起见，为阅读 True range 公式的人进行纠正（从财务角度来看：正确的公式缺少一个 abs()。添加回来。df['TR'] = pd.concat([(df['high']-df['low']),(df ['high'] - df['adjclose'].shift(1)).abs(),(df['low'] - df['adjclose'].shift(1)).abs()], 轴=1).max(axis=1)

【解决方案2】：

可以通过以下方式完成：

df['TR']=list(map(max,zip((df['high']-df['low']), (df['high'] - df['adjclose'].shift(1)).abs(),(df['low'] - df['adjclose'].shift(1)))))

【讨论】：