python-pandas-计算带有循环依赖关系的两个系列的更有效方法

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python-pandas-计算带有循环依赖关系的两个系列的更有效方法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1259字，纯文字阅读大概需要2分钟。

内容图文

我有一个表示股票收益的DataFrame.要拆分调整收盘价,我有以下方法：

def returns(ticker, start=None, end=None):
    p = historical_prices(ticker, start, end, data='d', convert=True)
    d = historical_prices(ticker, start, end, data='v', convert=True)

    p['Dividends'] = d['Dividends']
    p['Dividends'].fillna(value=0, inplace=True)
    p['DivFactor'] = 1.
    p['SAClose'] = p['Close']

    records, fields = p.shape
    for t in range(1, records):
        p['SAClose'][t] = p['Adj Close'][t] / p['DivFactor'][t-1] +                           p['Dividends'][t-1]
        p['DivFactor'][t] = p['DivFactor'][t-1] *                             (1 - p['Dividends'][t-1] / p['SAClose'][t])

    p['Lagged SAClose'] = p['SAClose'].shift(periods=-1)
    p['Cash Return'] = p['Dividends'] / p['Lagged SAClose']
    p['Price Return'] = p['SAClose'] / p['Lagged SAClose'] - 1
    return p.sort_index()

请注意SAClose(即分割调整后的关闭)如何取决于滞后的DivFactor值.反过来,DivFactor取决于滞后的DivFactor值以及当前的SAClose值.

上面的方法可以工作,但是在循环部分速度却非常慢.有没有一种更有效的方式可以让我在大熊猫中做到这一点？给定“循环”依赖关系(鉴于滞后并不是真正的循环关系),我不确定如何进行常规的系列数学运算或使用常规的移位运算(例如,对现金返还而言).

解决方法:

您可以尝试一次创建一个累积调整因子系列,而无需循环：

(p['Dividends'].fillna(1.) + 1.).cumprod()

内容总结

以上是互联网集市为您收集整理的python-pandas-计算带有循环依赖关系的两个系列的更有效方法全部内容，希望文章能够帮你解决python-pandas-计算带有循环依赖关系的两个系列的更有效方法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端