2

我正在处理 Pandas 中的盘中时间和报价数据，并努力寻找一种计算加权中间价的好方法。我目前将数据表示为四个数据帧（bid_price、bid_quantity、ask_price、ask_quantity），每个数据帧的列是单独的工具，索引是时间戳。（因此可以将单个投标价格引用为：

bid_price['AAPL'][datetime(2013,1,1,9,30,0,0)]

我希望应用的中点公式取决于工具的买卖差价。如果当前价差大于最小刻度增量，则中点将是当时买入价和卖出价的简单平均值。如果点差等于最小值，则根据买卖数量对中点进行加权。

这是当前代码：

def get_midprice(bid_price, bid_quantity, ask_price, ask_quantity, tick_increment=0.01):
    if (ask_price - bid_price) > tick_increment:
        return (ask_price + bid_price) / 2
    else:
        return ((bid_price * ask_quantity) + (ask_price * bid_quantity)) / (bid_quantity + ask_quantity)

这适用于单个数据点，并且在以前版本的 pandas 上，它在传递 4 个 DataFrame 时也有效。现在，4 个数据帧引发了异常：

raise ValueError("Cannot call bool() on DataFrame.")
ValueError: Cannot call bool() on DataFrame.

我相信这是由于这种变化：https ://github.com/pydata/pandas/pull/1073

这个问题显然可以通过循环来解决，但是在大型数据集上，这非常慢。有没有更好的办法？

4

1 回答 1

1

正如我试图在评论中传达的那样，您无法if按照您尝试的方式对分支进行矢量化，因此虽然代码过去不会引发异常，但几乎可以肯定它没有按照您的意愿进行操作至。这就是为什么arrays（现在DataFrame是 s）在bool()被调用时会出错，以帮助避免这个错误。

解决这个问题的一种方法是一个 apply-elementwise 函数，它DataFrame通过在（有效）压缩的相应元素上应用一个函数来构建一个新函数。可能有一个，虽然我没用过。（我支持添加一个。有时它很方便，在我们自己开发的 n 维 C# 库中，我有一个 apply-to-matched-elements 函数。）

通常当我需要做这样的 pre-pandas 时，我只计算两个分支，然后合并结果（利用 False ~ 0 和 True ~ 1 的事实）：

>>> a = np.arange(10)
>>> a > 3
array([False, False, False, False,  True,  True,  True,  True,  True,  True], dtype=bool)
>>> w = a > 3
>>> (a**2) * w + (1000) * (1-w)
array([1000, 1000, 1000, 1000,   16,   25,   36,   49,   64,   81])

但在两者中numpy，pandas我们也可以使用where，因此您的代码的一个版本是：

def get_midprice(bp, bq, ap, aq, ti):

    above = (ap + bp)/2
    not_above = ((bp*aq) + (ap*bq))/(bq+aq)
    use_above = (ap - bp) > ti

    combined = not_above.where(use_above, above)

    return combined

这种方法的缺点是您必须计算两个分支，并且它使用更多的内存。在实践中它很少给我带来问题，但是 YMMV。请注意，使用乘法的一个小优点（即使它有点慢）而不是where它在传递标量时也可以工作。

最后，您还可以考虑更改格式以将信息保持在一起，可能使用分层多索引，但我没有太多经验。

于 2013-04-18T15:12:30.103 回答