0

我想groupby“ts_code”并根据每个组的最后 N 行计算 max 之后另一列的一列最大值和最小值之间的百分比。具体来说，

df

ts_code high low
0   A   20  10
1   A   30  5
2   A   40  20
3   A   50  10
4   A   20  30
5   B   20  10
6   B   30  5
7   B   40  20
8   B   50  10
9   B   20  30

目标

以下是我的预期结果

   ts_code  high low l3_high_low_pct_chg    l4_high_low_pct_chg
    0   A   20  10  NA  NA
    1   A   30  5   NA  NA
    2   A   40  20  0.5 NA
    3   A   50  10  0.8 0.8
    4   A   20  30  0.4 0.4
    5   B   50  10  NA  NA
    6   B   30  5   NA  NA
    7   B   40  20  0.6 NA
    8   B   10  10  0.75    0.9
    9   B   20  30  0.75    0.75

l3_high_low_pct_chg= 1-（low峰值后列的最小值）/（列的最大值high），在每组和每行的最后 3 行。

尝试和问题

df['l3_highest']=df.groupby('ts_code')['high'].transform(lambda x: x.rolling(3).max())
df['l3_lowest']=df.groupby('ts_code')['low'].transform(lambda x: x.rolling(3).min())
df['l3_high_low_pct_chg']=1-df['l3_lowest']/df['l3_highest']

但它失败了，因此对于第二行，l3_lowest将是 5 而不是 20。我不知道如何计算峰值后的百分比。

4

1 回答 1

-1

期望的结果可以通过将“低”除以“高”的 ++ 的结果来groupby得出rolling：max

df['l3_high_low_pct_chg'] = 1 - df['low'] / df.groupby('ts_code').rolling(window=3)['high'].max().droplevel(0)

输出：

  ts_code  high  low  l3_high_low_pct_chg
0       A    20   10                  NaN
1       A    30    5                  NaN
2       A    40   20                  0.5
3       A    50   10                  0.8
4       A    20   30                  0.4
5       B    20   10                  NaN
6       B    30    5                  NaN
7       B    40   20                  0.5
8       B    50   10                  0.8
9       B    20   30                  0.4
于 2022-03-05T10:23:07.213 回答