Python 将for循环转换为dataframe.apply问题

这是我在这里的第一个问题，所以如果我没有解释清楚，或者说我说得过火，请原谅我。任务是将包含2个if语句的for循环转换为dataframe.apply，而不是循环。我认为这样做的方法是将for循环中的if语句转换为一个已定义的函数，然后在.apply行中调用该函数，但只能到此为止。我甚至不确定我是不是在用正确的方法解决这个问题。如有必要，可以提供原始For循环代码。提前谢谢

目标是导入股票价格的csv，将一列中的价格与需要创建的移动平均值进行比较，如果>MA，买入，如果

df2 = pd.read_csv("MSFT.csv", index_col=0, parse_dates=True).sort_index(axis=0 ,ascending=True)      #could get yahoo to work but not quandl, so imported the csv file from class

buyPrice = 0
sellPrice = 0
maWealth = 1.0
cash = 1
stock = 0
sma = 200

ma = np.round(df2['AdjClose'].rolling(window=sma, center=False).mean(), 2)   #to create the moving average to compare to
n_days = len(df2['AdjClose'])

closePrices = df2['AdjClose']  #to only work with one column from original csv import

buy_data = []
sell_data = []
trade_price = []
wealth = []

def myiffunc(adjclose):
    if closePrices > ma and cash == 1:    # Buy if stock price > MA & if not bought yet
        buyPrice = closePrices[0+ 1]
        buy_data.append(buyPrice)
        trade_price.append(buyPrice)
        cash = 0
        stock = 1

    if closePrices < ma and stock == 1:     # Sell if stock price < MA and if you have a stock to sell
        sellPrice = closePrices[0+ 1]
        sell_data.append(sellPrice)
        trade_price.append(sellPrice)
        cash = 1
        stock = 0

        wealth.append(1*(sellPrice / buyPrice))

closePrices.apply(myiffunc)

df2=pd.read_csv（“MSFT.csv”，index_col=0，parse_dates=True）。sort_index（axis=0，ascending=True）#可以让yahoo工作，但不能让quandl工作，因此从类中导入了csv文件
买价=0
售价=0
maWealth=1.0
现金=1
股票=0
sma=200
ma=np.round（df2['AdjClose'].rolling（window=sma，center=False）.mean（），2）#创建要比较的移动平均线
n_天=长（df2['AdjClose']）
closePrices=df2['AdjClose']#仅使用原始csv导入中的一列
购买数据=[]
销售数据=[]
交易价格=[]
财富=[]
def myiffunc（调整关闭）：
如果收盘价>ma，现金==1:#如果股价>ma，买入&如果尚未买入
买入价格=收盘价格[0+1]
购买数据。追加（购买价格）
交易价格。附加（购买价格）
现金=0
股票=1
如果收盘价

检查指数似乎需要使用

index=1

版本一次处理每一行，并传递两列：移动平均值和收盘价

大概是这样的：

df2 = ...
df2['MovingAverage'] = ...

have_shares = False

def my_func(row):
    global have_shares

    if not have_shares and row['AdjClose'] > row['MovingAverage']:
        # buy shares
        have_shares = True
    elif have_shares and row['AdjClose'] < row['MovingAverage']:
        # sell shares
        have_shares = False

df2=。。。
df2['MovingAverage']=。。。
have_shares=False
定义我的职能（世界其他地区）：
全球金融股
如果没有共享和行['AdjClose']>行['MovingAverage']：
#购买股票
have_shares=True
elif拥有所有股份和第['AdjClose']

但是，值得指出的是，您也可以使用numpy/pandas进行比较，只需将结果存储在另一列中：

df2['BuySignal'] = (df2.AdjClose > df2.MovingAverage)
df2['SellSignal'] = (df2.AdjClose < df2.MovingAverage)

df2['BuySignal']=（df2.AdjClose>df2.MovingAverage）
df2['SellSignal']=（df2.AdjClose

然后您可以

.apply（）

一个利用买入/卖出信号列的函数。

检查索引，似乎需要使用

index=1

版本一次处理每一行，并传递两列：移动平均值和收盘价

大概是这样的：

df2 = ...
df2['MovingAverage'] = ...

have_shares = False

def my_func(row):
    global have_shares

    if not have_shares and row['AdjClose'] > row['MovingAverage']:
        # buy shares
        have_shares = True
    elif have_shares and row['AdjClose'] < row['MovingAverage']:
        # sell shares
        have_shares = False

df2=。。。
df2['MovingAverage']=。。。
have_shares=False
定义我的职能（世界其他地区）：
全球金融股
如果没有共享和行['AdjClose']>行['MovingAverage']：
#购买股票
have_shares=True
elif拥有所有股份和第['AdjClose']

但是，值得指出的是，您也可以使用numpy/pandas进行比较，只需将结果存储在另一列中：

df2['BuySignal'] = (df2.AdjClose > df2.MovingAverage)
df2['SellSignal'] = (df2.AdjClose < df2.MovingAverage)

df2['BuySignal']=（df2.AdjClose>df2.MovingAverage）
df2['SellSignal']=（df2.AdjClose

---

然后，您可以

.apply（）

一个利用买入/卖出信号列的函数。

如果closePrices>ma和…将抛出，那么该代码肯定不会运行

？现在还不清楚这是怎么回事。。。也许您可以使用小示例数据帧（以及相应的预期结果），如果closePrices>ma和…

会抛出，那么该代码肯定不会运行？现在还不清楚这是怎么回事。。。也许您可以有一个小示例DataFrame（以及相应的预期结果）