需要帮助对股票数据集进行分析

Question

我创建了股票信息的数据框架，如“打开”、“高”、“关闭”等。现在，我需要计算股票的每一行(dataFrame中的每一行)的性能。我想在dataFrame中创建一个新列，它等于下一行的“关闭”列--上一行的“关闭”列值。

• 单个条形图的性能是下一个栏的关闭值减去当前栏的关闭值。

我尝试将close列值按第2行划分，并将这个新的close列值划分为自己的列。然后创建一个新的列，用第一列减去第二列，但是它们是处理NaN值的问题。

df['performance'] = df.Close[2] - df.Close[1]

这使得52767行中的每一行的性能都等于"2.5“。

我想做一个专栏“性能”来迭代它。例如，如果行0的关闭值为5，第1行的关闭值为7，则行0的性能值应为2，这是对52767行执行的。

Answer 1

pandas.Series.diff()

您可以使用.diff()和一个周期的-1来计算与下一行的差异(与前一行不同的正常行为)。例如：

# Example data
df = pd.read_csv("https://vincentarelbundock.github.io/Rdatasets/csv/fpp2/goog200.csv", index_col=0).head(10)

# Calculate difference
df['performance'] = df['value'].diff(-1)

收益率

    time       value  performance
1      1  392.830017     0.317932
2      2  392.512085    -4.793823
3      3  397.305908    -0.705414
4      4  398.011322    -2.478882
5      5  400.490204    -7.605530
6      6  408.095734    -8.494751
7      7  416.590485     3.586670
8      8  413.003815    -0.606048
9      9  413.609863     0.536499
10    10  413.073364          NaN