Python 使用pandas进行股票数据帧迭代

我对python和熊猫比较陌生。 我有一个

DataFrame

，上面有几只股票以及过去几天的相关“低价”。我试着遍历每只股票（现在我只有3只，但最终会有数千只），然后对于每只股票，我想看看今天的“低价”是否大于昨天的低价，我想看看昨天的低价是否小于两天前的低价。对于满足此条件的每个股票，我最终希望将它们导出到csv文件

list = ['IBM', 'AMZN', 'FB'] 

stockData = DataReader(list,  'yahoo', datetime(2016,06,8), datetime.today().utcnow())

low = stockData['Low']

low0 = low.iloc[-1]
low1 = low.iloc[-2]
low2 = low.iloc[-3]

变量low0、low1和low2可能不是必需的，但我确实喜欢它们拼接出我想要的特定数据的方式

然后，我尝试使用我的函数迭代列表中的每个股票：

for stock in list:
    if low0 > low1 and low1 < low2:
        print True
    else: 
        print False

对于入库单：
如果low0>low1和low1

这是我得到的错误： ValueError：序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

---

如果您有任何意见，我将不胜感激。

要确定

低值在过去三天中是否一直在增加，您可以使用以下信息：

stockData = stockData.sort_index(ascending=False).iloc[:3] # reverse order, use last three days

如果两种情况下
Low
都在增加，则比较相邻两天之间
Low
的情况，并返回
True
：

stockData[(stockData.Low < stockData.Low.shift(1)) & (stockData.Low.shift(1) < stockData.Low.shift(2))]

因此，对于您的应用程序：

for stock in ['IBM', 'AMZN', 'FB']:
    stockData = DataReader(stock, 'yahoo', datetime(2016, 6, 8), datetime.today().utcnow()).sort_index(ascending=False).iloc[:3]
    print('\n', stockData.Low)
    print(stock, (stockData.Low.diff().dropna()<0).all())
    print(stock, stockData[(stockData.Low < stockData.Low.shift(1)) & (stockData.Low.shift(1) < stockData.Low.shift(2))].Low.any())


 Date
2016-06-15    150.600006
2016-06-14    150.399994
2016-06-13    150.279999
Name: Low, dtype: float64
IBM True
IBM True

 Date
2016-06-15    713.349976
2016-06-14    712.270020
2016-06-13    711.159973
Name: Low, dtype: float64
AMZN True
AMZN True

 Date
2016-06-15    114.070000
2016-06-14    113.580002
2016-06-13    113.309998
Name: Low, dtype: float64
FB True
FB True

对于库存['IBM'，'AMZN'，'FB']：
stockData=DataReader（股票，'yahoo'，datetime（2016,6,8），datetime.today（）.utcnow（））.sort_index（升序=False）.iloc[：3]
打印（'\n'，stockData.Low）
打印（股票，（stockData.Low.diff（）.dropna（）要确定
低值
在过去三天中是否一直在增加，您可以使用以下选项：

stockData = stockData.sort_index(ascending=False).iloc[:3] # reverse order, use last three days

如果两种情况下
Low
都在增加，则比较相邻两天之间
Low
的情况，并返回
True
：

stockData[(stockData.Low < stockData.Low.shift(1)) & (stockData.Low.shift(1) < stockData.Low.shift(2))]

因此，对于您的应用程序：

for stock in ['IBM', 'AMZN', 'FB']:
    stockData = DataReader(stock, 'yahoo', datetime(2016, 6, 8), datetime.today().utcnow()).sort_index(ascending=False).iloc[:3]
    print('\n', stockData.Low)
    print(stock, (stockData.Low.diff().dropna()<0).all())
    print(stock, stockData[(stockData.Low < stockData.Low.shift(1)) & (stockData.Low.shift(1) < stockData.Low.shift(2))].Low.any())


 Date
2016-06-15    150.600006
2016-06-14    150.399994
2016-06-13    150.279999
Name: Low, dtype: float64
IBM True
IBM True

 Date
2016-06-15    713.349976
2016-06-14    712.270020
2016-06-13    711.159973
Name: Low, dtype: float64
AMZN True
AMZN True

 Date
2016-06-15    114.070000
2016-06-14    113.580002
2016-06-13    113.309998
Name: Low, dtype: float64
FB True
FB True

对于库存['IBM'，'AMZN'，'FB']：
stockData=DataReader（股票，'yahoo'，datetime（2016,6,8），datetime.today（）.utcnow（））.sort_index（升序=False）.iloc[：3]
打印（'\n'，stockData.Low）
print（stock）（stockData.Low.diff（）.dropna（）这是解决此问题的类似但略有不同的方法的示例。我使用虚拟值来演示

首先，我创建一个数据帧

dates = pd.date_range('20130101', periods=3)
IBM = [5,3,2]
AMZN = [1,7,6]
FB = [4,7,9]
df = pd.DataFrame({'IBM': IBM,'AMZN': AMZN,'FB':FB}, index=dates)
df
          AMZN  FB  IBM
2013-01-01  1   4   5
2013-01-02  7   7   3
2013-01-03  6   9   2

我使用
.shift（）
来跟踪与数据帧中的第一天和第二天相比，第二天和第三天的值上升或下降了多少。我通过从
df
中减去
df.shift（1）
来实现这一点。第一天的值将替换为
NaN

df - df.shift(1)
           AMZN     FB     IBM
2013-01-01  NaN     NaN     NaN  
2013-01-02  6.0     3.0     -2.0
2013-01-03  -1.0    2.0     -1.0

如果您更喜欢
True
或
False
，您可以检查值是否高于或低于
0
。因此，在这种情况下，
True
表示向上，
False
表示向下，第一天的起始值将替换为
False

df - df.shift(1) > 0
            AMZN    FB      IBM
2013-01-01  False   False   False
2013-01-02  True    True    False
2013-01-03  False   True    False 

这是一个类似但略有不同的解决方法的示例。我使用虚拟值来演示

首先，我创建一个数据帧

dates = pd.date_range('20130101', periods=3)
IBM = [5,3,2]
AMZN = [1,7,6]
FB = [4,7,9]
df = pd.DataFrame({'IBM': IBM,'AMZN': AMZN,'FB':FB}, index=dates)
df
          AMZN  FB  IBM
2013-01-01  1   4   5
2013-01-02  7   7   3
2013-01-03  6   9   2

我使用
.shift（）
来跟踪与数据帧中的第一天和第二天相比，第二天和第三天的值上升或下降了多少。我通过从
df
中减去
df.shift（1）
来实现这一点。第一天的值将替换为
NaN

df - df.shift(1)
           AMZN     FB     IBM
2013-01-01  NaN     NaN     NaN  
2013-01-02  6.0     3.0     -2.0
2013-01-03  -1.0    2.0     -1.0

如果您更喜欢
True
或
False
，您可以检查值是否高于或低于
0
。因此，在这种情况下，
True
表示向上，
False
表示向下，第一天的起始值将替换为
False

df - df.shift(1) > 0
            AMZN    FB      IBM
2013-01-01  False   False   False
2013-01-02  True    True    False
2013-01-03  False   True    False 

当我这样做时，我得到了这个错误：ValueError:无法使用多维键进行索引不确定，您是否直接从
DataReader
使用
stockData
？修复了条件，现在
2016-05-11
是正确的结果，前两天的
价格较低。好的。我知道您在做什么，这是n我想做的是什么。我想看看这些条件是否满足，并得到一个真或假。如果low0>low1和low1True
如果在这段时间内满足条件，只需添加
。any（）
对于条件语句，请参见更新。不，实际上它必须同时满足两个条件，而不仅仅是一个条件。谢谢。我在执行此操作时遇到此错误：ValueError:无法使用多维键进行索引不确定，您是否直接从
DataReader
使用
stockData
？修复了条件，现在
2016-05-11
是正确的r前两天的结果是价格较低。好的。我知道你在做什么，这不是我想做的。我想看看这些标准是否满足，并得到一个真或假。如果low0>low1和low1True
，如果有一个如果期间的条件满足，只需将
.any（）
添加到条件语句中，请参阅更新。不，实际上它必须同时满足两个条件，而不仅仅满足一个条件。谢谢。