Python 从类向DataFrame添加列

我希望提高我的OOP技能，并编写了一个脚本来提取股票数据并运行一些简单的统计数据。我能够单独运行和调用Evaluation类中的每个函数（下面有注释），但在尝试循环遍历ticker列表并将统计信息附加到初始数据帧时遇到问题

import datetime as d
import pandas as pd
import pandas_datareader.data as web
import numpy as np

start = d.datetime(2019, 1, 1)
end = d.datetime(2020, 4, 17)

class Security(object):
    def _init__(self, ticker, data_platform, start_date, end_date):
        self.ticker = ticker
        self.data_platform = data_platform
        self.start_date = start_date
        self.end_date = end_date

    def fetch_stock_data(self, ticker, data_platform, start_date, end_date):
        df = web.DataReader(ticker, data_platform, start_date, end_date)
        return df


class Evaluation(Security):

    def __init__(self, ticker, data_platform, start_date, end_date):
        self.df = Security.fetch_stock_data(
            self, ticker, data_platform, start_date, end_date)

    def simple_moving_average(self, period):
        df = self.df
        df['SMA-{}'.format(period)] = df['Adj Close'].rolling(period).mean()
        return df['SMA-{}'.format(period)]

    def exp_moving_average(self, period):
        df = self.df
        df['EMA_{}'.format(period)] = df['Adj Close'].ewm(span=period).mean()
        return df['EMA_{}'.format(period)]

    def rsi(self, period):
        df = self.df
        delta = df['Adj Close'].diff()

        up = delta * 0
        down = up.copy()

        up[delta > 0] = delta[delta > 0]
        down[delta < 0] = -delta[delta < 0]

        up[up.index[period - 1]] = np.mean(up[:period])
        up = up.drop(up.index[:(period - 1)])

        down[down.index[period - 1]] = np.mean(down[:period])
        down = down.drop(down.index[:(period - 1)])

        rs = up.ewm(span=period - 1).mean() / down.ewm(span=period - 1).mean()

        rsi_calc = 100 - 100 / (1 + rs)
        df['rsi'] = rsi_calc
        return df['rsi']


# pypl = Evaluation('PYPL', 'yahoo', start, end)
# print(csgs.df)
# print(csgs.simple_moving_average(50))
# print(csgs.exp_moving_average(26))
# print(csgs.rsi(14))


tickers = ['PYPL', 'TSLA']

for i in tickers:
    df = Evaluation(i, 'yahoo', start, end)
    df['SMA'] = df.simple_moving_average(50)
    df['EMA'] = df.exp_moving_average(26)
    df['rsi'] = df.rsi(14)
    print(df)

>>>e = Evaluation()                                                                                                  
>>>type(e)                                                                                                  
__main__.Evaluation

>>>type(e.df)                                                                                         
pandas.core.frame.DataFrame

---

您混淆了对象方法和数据帧方法。在您的示例中，

df

是一个

Evaluation

对象，而不是数据帧

import datetime as d
import pandas as pd
import pandas_datareader.data as web
import numpy as np

start = d.datetime(2019, 1, 1)
end = d.datetime(2020, 4, 17)

class Security(object):
    def _init__(self, ticker, data_platform, start_date, end_date):
        self.ticker = ticker
        self.data_platform = data_platform
        self.start_date = start_date
        self.end_date = end_date

    def fetch_stock_data(self, ticker, data_platform, start_date, end_date):
        df = web.DataReader(ticker, data_platform, start_date, end_date)
        return df


class Evaluation(Security):

    def __init__(self, ticker, data_platform, start_date, end_date):
        self.df = Security.fetch_stock_data(
            self, ticker, data_platform, start_date, end_date)

    def simple_moving_average(self, period):
        df = self.df
        df['SMA-{}'.format(period)] = df['Adj Close'].rolling(period).mean()
        return df['SMA-{}'.format(period)]

    def exp_moving_average(self, period):
        df = self.df
        df['EMA_{}'.format(period)] = df['Adj Close'].ewm(span=period).mean()
        return df['EMA_{}'.format(period)]

    def rsi(self, period):
        df = self.df
        delta = df['Adj Close'].diff()

        up = delta * 0
        down = up.copy()

        up[delta > 0] = delta[delta > 0]
        down[delta < 0] = -delta[delta < 0]

        up[up.index[period - 1]] = np.mean(up[:period])
        up = up.drop(up.index[:(period - 1)])

        down[down.index[period - 1]] = np.mean(down[:period])
        down = down.drop(down.index[:(period - 1)])

        rs = up.ewm(span=period - 1).mean() / down.ewm(span=period - 1).mean()

        rsi_calc = 100 - 100 / (1 + rs)
        df['rsi'] = rsi_calc
        return df['rsi']


# pypl = Evaluation('PYPL', 'yahoo', start, end)
# print(csgs.df)
# print(csgs.simple_moving_average(50))
# print(csgs.exp_moving_average(26))
# print(csgs.rsi(14))


tickers = ['PYPL', 'TSLA']

for i in tickers:
    df = Evaluation(i, 'yahoo', start, end)
    df['SMA'] = df.simple_moving_average(50)
    df['EMA'] = df.exp_moving_average(26)
    df['rsi'] = df.rsi(14)
    print(df)

>>>e = Evaluation()                                                                                                  
>>>type(e)                                                                                                  
__main__.Evaluation

>>>type(e.df)                                                                                         
pandas.core.frame.DataFrame

行

df['SMA']=df.simple\u moving\u average（50）

失败，因为无法向对象添加列。您需要使用

df.df['SMA']=df.simple\u moving\u average（50）

正如NomadMonad所指出的，使用df作为求值对象的变量名是令人困惑的，因此最好给它一个不同的名称。但是，

eval

是python中的内置函数，因此最好使用

e

此外，您应该出于几个原因更改类设计

• 在python 3中，不需要从

  对象继承
  

• Security

  的

  \uuuuu init\uuuu

  方法只有一个前导下划线，而不是两个

• 您不希望

  评估

  继承自

  安全性

  。相反，在

  求值

  的

  初始化

  方法中传递一个

  安全

  对象

• 您不希望在实例化对象时调用刮取网站的方法。对datareader的调用应该是一个单独的方法

• 如果在

  \uuu init\uu

  方法中设置了这些值，则不需要将参数传递给方法。您可以使用

  self

  访问它们

• 您不需要在求值方法中修改基础数据帧。而是返回该方法生成的值

导入日期时间
作为pd进口熊猫
将numpy作为np导入
以web形式导入datareader.data
班级安全：
定义初始日期（self、ticker、数据平台、开始日期、结束日期）：
self.ticker=ticker
self.data\u platform=数据平台
self.start\u date=开始日期
self.end\u日期=end\u日期
self.df=无
def fetch_stock_数据（自身）：
self.df=web.DataReader（self.ticker、self.data\u平台、self.start\u日期、self.end\u日期）
班级评估：
定义初始化（自我，安全）：
自我安全
def简单移动平均值（自身、期间）：
df=self.security.df
返回df['Adj Close'].滚动（周期）.平均值（）
def exp_移动平均值（自身、期间）：
df=self.security.df
返回df['Adj Close'].ewm（span=period）.mean（）
def rsi（自身，周期）：
df=self.security.df
delta=df['Adj Close'].diff（）
向上=增量*0
down=up.copy（）
向上[增量>0]=增量[增量>0]
向下[delta<0]=-delta[delta<0]
上升[上升指数[期间-1]]=np.平均值（上升[：期间]）
up=up.drop（up.index[：（句点-1）]）
下跌[下跌指数[期间-1]]=np.均值（下跌[：期间]）
down=down.drop（down.index[：（句点-1）]）
rs=up.ewm（span=period-1.mean（）/down.ewm（span=period-1.mean（））
返回100-100/（1+rs）
start=datetime.datetime（2019,1,1）
end=datetime.datetime（2019,4,17）
s=安全性（股票代码“yahoo”，开始，结束）
e=评估（安全=s）

Evaluation返回一个存储

df

属性而不是

df

的对象，因此您应该执行

eval=Evaluation（i'yahoo'，start，end）

然后

eval.df['foo']=data