Python 如何基于来自其他数据帧的开始和结束信号创建熊猫数据帧？

那么从本质上讲，我应该如何接受A（进入信号）和B（退出信号）以及C（交易信号）

请注意，A是进入信号，B是退出信号。 因此：

所以基本上，a中的1作为C“开”的信号，B中的1作为C“关”的信号。如果C已经打开（C的前一个元素是1），那么a中的1什么也不做，因为C已经打开了。类似地，如果C已经关闭（C的前一个元素是0），那么B中的1什么也不做，因为C已经关闭。基本上，A有一个进入交易的信号列表，B有一个何时退出的信号列表，但你只能在你不在交易时进入，只有在你在交易时才能退出，所以C是你是否在交易的列表

我尝试实施您的解决方案，如下所示：

def generate_signals(self):
      signals = pandas.DataFrame(index=self.data.index)
      signals['Date'] = self.data['Date']
      signals['Close'] = self.data['Close']
      signals['fast_MA'] = pandas.stats.moments.ewma(self.data['Close'],
                                                     span=self.short_window)
      signals['slow_MA'] = pandas.stats.moments.ewma(self.data['Close'],
                                                     span=self.long_window)
      signalinfo = pandas.DataFrame(index=signals.index)
      signalinfo['entry_signals'] = numpy.where(signals['fast_MA'] >
                                                signals['slow_MA'], 1.0, 0.0)
      signals['stop'] = (data['Open'].shift(-1)
                         [(signalinfo['entry_signals'] == 1.0)
                          & (signalinfo['entry_signals']
                             .shift(1) == 0.0)])
      signals['stop'] = signals['stop'].fillna(0.0)
      signals['stop'] = signals['stop'].apply(lambda x: .97 * x)
      signals['stop'] = (signals['stop']
                         .replace(to_replace=0.0, method='ffill'))
      signalinfo['exit_signals'] = numpy.where(signals['Close'] <=
                                               signals['stop'], 1.0, 0.0)

      #process entry and exit signals to form trade signals
      signalinfo['Close'] = self.data['Close']
      mask = signalinfo.copy().astype(bool)
      signalinfo.entry_signals[mask.entry_signals] = signalinfo.index
      signalinfo.exit_signals[mask.exit_signals] = signalinfo.index
      signalinfo = signalinfo[mask].ffill().fillna(0)
      signalinfo['signal'] = (signalinfo['exit_signals']
                              < signalinfo['entry_signals']).astype(int)
      signalinfo['entry_signals'] = numpy.where(signals['fast_MA'] >
                                                signals['slow_MA'], 1.0, 0.0)
      signalinfo['exit_signals'] = numpy.where(signals['Close'] <=
                                               signals['stop'], 1.0, 0.0)
      signals['signal'][:self.long_window] = 0.0
      print signalinfo.head(50)
      print signalinfo.tail(50)
      return signals

def生成_信号（自）：
信号=pandas.DataFrame（索引=self.data.index）
信号['Date']=self.data['Date']
信号['Close']=self.data['Close']
信号['fast_-MA']=pandas.stats.moments.ewma（self.data['Close']，
span=自紧式（短窗口）
信号['slow_MA']=pandas.stats.moments.ewma（self.data['Close']），
span=自身长窗口）
signalinfo=pandas.DataFrame（index=signals.index）
信号信息['entry\u signals']=numpy.where（信号['fast\u MA']>
信号['slow_MA'，1.0,0.0）
信号['stop']=（数据['Open'].shift（-1）
[（信号信息['entry_signals']==1.0）
&（信号信息['entry_signals']
.移位（1）==0.0）]）
信号['stop']=信号['stop'].fillna（0.0）
信号['stop']=信号['stop']。应用（λx:.97*x）
信号['stop']=（信号['stop']
.replace（to_replace=0.0，method='ffill'））
signalinfo['exit_signals']=numpy.where（信号['Close']
信号['slow_MA'，1.0,0.0）
signalinfo['exit_signals']=numpy.where（signals['Close']我没有测试下面的代码，但是它可以得到示例中您想要的，您能用更多数据测试它吗

基本思想是用索引值填充A和B中的每个
1
，然后我们可以比较哪一个较大，较大的是活动的：

import pandas as pd
import numpy as np
df = pd.read_csv("signal.csv", delim_whitespace=True)

mask = df.copy().astype(bool)
df.A[mask.A] = df.index
df.B[mask.B] = df.index
df = df[mask].ffill()
C = df.B < df.A
C.where(C).ffill(limit=1).fillna(0)

事实上，你能发布迭代版本吗？我本来以为我完全理解你想要什么，但当我去实现它时，我意识到我没有。
import pandas as pd
import numpy as np
df = pd.read_csv("signal.csv", delim_whitespace=True)

mask = df.copy().astype(bool)
df.A[mask.A] = df.index
df.B[mask.B] = df.index
df = df[mask].ffill()
C = df.B < df.A
C.where(C).ffill(limit=1).fillna(0)

0    0
1    1
2    1
3    1
4    0
5    1
6    1
7    0
8    1
9    1
dtype: float64