回答編集履歴
4
前日と前々日の比較も追加
test
CHANGED
|
@@ -97,3 +97,87 @@
|
|
|
97
97
|
|
|
98
98
|
|
|
99
99
|
こっちのほうが見た目明らかにすっきりしていますね。
|
|
100
|
+
|
|
101
|
+
|
|
102
|
+
|
|
103
|
+
-----
|
|
104
|
+
|
|
105
|
+
|
|
106
|
+
|
|
107
|
+
前日と前々日の比較もするのでしたね。
|
|
108
|
+
|
|
109
|
+
でしたら、このように変えてください。
|
|
110
|
+
|
|
111
|
+
|
|
112
|
+
|
|
113
|
+
1行で書く場合
|
|
114
|
+
|
|
115
|
+
```python
|
|
116
|
+
|
|
117
|
+
df['signal'] = df['close'].rolling(3, min_periods=1).apply(lambda sr: 1 if sr[1:] and sr[1] > sr[0] and sr[2:] and sr[2] > sr[1] else 0, raw=True).apply(lambda x: 'True' if x else '-')
|
|
118
|
+
|
|
119
|
+
```
|
|
120
|
+
|
|
121
|
+
|
|
122
|
+
|
|
123
|
+
見やすくしてみたもの
|
|
124
|
+
|
|
125
|
+
```python
|
|
126
|
+
|
|
127
|
+
def aggregate(sr):
|
|
128
|
+
|
|
129
|
+
# `lambda sr: 1 if sr[1:] and sr[1] > sr[0] and sr[2:] and sr[2] > sr[1] else 0`に相当する関数
|
|
130
|
+
|
|
131
|
+
# データがあり、かつ先にあるデータのほうが値が小さい場合1を返し、それ以外なら0を返す。
|
|
132
|
+
|
|
133
|
+
if sr[1:] and sr[1] > sr[0] and sr[2:] and sr[2] > sr[1]:
|
|
134
|
+
|
|
135
|
+
return 1
|
|
136
|
+
|
|
137
|
+
return 0
|
|
138
|
+
|
|
139
|
+
|
|
140
|
+
|
|
141
|
+
# 2行ずつデータを処理する。min_periods=1を指定しないと、最初の行が処理されない。
|
|
142
|
+
|
|
143
|
+
rolling = df['close'].rolling(3, min_periods=1)
|
|
144
|
+
|
|
145
|
+
|
|
146
|
+
|
|
147
|
+
# raw=Trueはpandas側の将来的な変更に対処するため。
|
|
148
|
+
|
|
149
|
+
# なくても今は動くが、警告が出る。
|
|
150
|
+
|
|
151
|
+
aggregated = df.apply(aggregate, raw=True)
|
|
152
|
+
|
|
153
|
+
|
|
154
|
+
|
|
155
|
+
# aggregatedのそれぞれの値を'true'か'-'の文字列値に変えてdf['signal']に格納する。
|
|
156
|
+
|
|
157
|
+
df['signal'] = aggregated.apply(lambda x: 'true' if x else '-')
|
|
158
|
+
|
|
159
|
+
```
|
|
160
|
+
|
|
161
|
+
|
|
162
|
+
|
|
163
|
+
forでやる方法
|
|
164
|
+
|
|
165
|
+
```forでやる場合
|
|
166
|
+
|
|
167
|
+
x = []
|
|
168
|
+
|
|
169
|
+
for i, f in enumerate(df['close']):
|
|
170
|
+
|
|
171
|
+
if i == 0 or i == 1:
|
|
172
|
+
|
|
173
|
+
x.append('-')
|
|
174
|
+
|
|
175
|
+
continue
|
|
176
|
+
|
|
177
|
+
x.append('true' if f > df['close'].iloc[i-1] and df['close'].iloc[i-1] > df['close'].iloc[i-2] else '-')
|
|
178
|
+
|
|
179
|
+
|
|
180
|
+
|
|
181
|
+
df['signal'] = x
|
|
182
|
+
|
|
183
|
+
```
|
3
冗長な記述を削除
test
CHANGED
|
@@ -48,7 +48,7 @@
|
|
|
48
48
|
|
|
49
49
|
|
|
50
50
|
|
|
51
|
-
# aggregatedを'true'か'-'の文字列値に変えてdf['signal']に格納する。
|
|
51
|
+
# aggregatedのそれぞれの値を'true'か'-'の文字列値に変えてdf['signal']に格納する。
|
|
52
52
|
|
|
53
53
|
df['signal'] = aggregated.apply(lambda x: 'true' if x else '-')
|
|
54
54
|
|
|
@@ -90,7 +90,7 @@
|
|
|
90
90
|
|
|
91
91
|
|
|
92
92
|
|
|
93
|
-
df['signal'] =
|
|
93
|
+
df['signal'] = x
|
|
94
94
|
|
|
95
95
|
```
|
|
96
96
|
|
2
詳しい解説を追加
test
CHANGED
|
@@ -2,12 +2,98 @@
|
|
|
2
2
|
|
|
3
3
|
|
|
4
4
|
|
|
5
|
-
```
|
|
5
|
+
```python
|
|
6
6
|
|
|
7
|
-
df['signal'] = df.rolling(2, min_periods=1).apply(lambda sr: 1 if sr[1:] and sr[1] > sr[0] else 0, raw=True).apply(lambda x: 'True' if x
|
|
7
|
+
df['signal'] = df['close'].rolling(2, min_periods=1).apply(lambda sr: 1 if sr[1:] and sr[1] > sr[0] else 0, raw=True).apply(lambda x: 'True' if x else '-')
|
|
8
8
|
|
|
9
9
|
```
|
|
10
10
|
|
|
11
11
|
|
|
12
12
|
|
|
13
|
-
DataFrame.rollingは、複数の行または列にわたって集計するための関数です。
|
|
13
|
+
DataFrame.rollingやSeries.rollingは、複数の行または列にわたって集計するための関数です。
|
|
14
|
+
|
|
15
|
+
|
|
16
|
+
|
|
17
|
+
これを少し見やすくして解説します。
|
|
18
|
+
|
|
19
|
+
|
|
20
|
+
|
|
21
|
+
```python
|
|
22
|
+
|
|
23
|
+
def aggregate(sr):
|
|
24
|
+
|
|
25
|
+
# `lambda sr: 1 if sr[1:] and sr[1] > sr[0] else 0`に相当する関数
|
|
26
|
+
|
|
27
|
+
# データがあり、かつ先にあるデータのほうが値が小さい場合1を返し、それ以外なら0を返す。
|
|
28
|
+
|
|
29
|
+
if sr[1:] and sr[1] > sr[0]:
|
|
30
|
+
|
|
31
|
+
return 1
|
|
32
|
+
|
|
33
|
+
return 0
|
|
34
|
+
|
|
35
|
+
|
|
36
|
+
|
|
37
|
+
# 2行ずつデータを処理する。min_periods=1を指定しないと、最初の行が処理されない。
|
|
38
|
+
|
|
39
|
+
rolling = df['close'].rolling(2, min_periods=1)
|
|
40
|
+
|
|
41
|
+
|
|
42
|
+
|
|
43
|
+
# raw=Trueはpandas側の将来的な変更に対処するため。
|
|
44
|
+
|
|
45
|
+
# なくても今は動くが、警告が出る。
|
|
46
|
+
|
|
47
|
+
aggregated = df.apply(aggregate, raw=True)
|
|
48
|
+
|
|
49
|
+
|
|
50
|
+
|
|
51
|
+
# aggregatedを'true'か'-'の文字列値に変えてdf['signal']に格納する。
|
|
52
|
+
|
|
53
|
+
df['signal'] = aggregated.apply(lambda x: 'true' if x else '-')
|
|
54
|
+
|
|
55
|
+
```
|
|
56
|
+
|
|
57
|
+
|
|
58
|
+
|
|
59
|
+
見やすくして簡単にコメントをつけてみました。
|
|
60
|
+
|
|
61
|
+
複数行の処理には`rolling`メソッドを使います。
|
|
62
|
+
|
|
63
|
+
今回の場合、`'close'`行のみ集計に使うので、`df['close']`でこの行のみに処理を行っています。
|
|
64
|
+
|
|
65
|
+
|
|
66
|
+
|
|
67
|
+
また、処理を2段階に分けているのは、`rolling.apply`に数値以外を返す関数は渡すことができないからです。
|
|
68
|
+
|
|
69
|
+
|
|
70
|
+
|
|
71
|
+
ここまでやるのであれば、おそらくfor文でやったほうがいいような気がします。
|
|
72
|
+
|
|
73
|
+
一応その場合も書いておきます。
|
|
74
|
+
|
|
75
|
+
|
|
76
|
+
|
|
77
|
+
```forでやる場合
|
|
78
|
+
|
|
79
|
+
x = []
|
|
80
|
+
|
|
81
|
+
for i, f in enumerate(df['close']):
|
|
82
|
+
|
|
83
|
+
if i == 0:
|
|
84
|
+
|
|
85
|
+
x.append('-')
|
|
86
|
+
|
|
87
|
+
continue
|
|
88
|
+
|
|
89
|
+
x.append('true' if f > df['close'].iloc[i-1] else '-')
|
|
90
|
+
|
|
91
|
+
|
|
92
|
+
|
|
93
|
+
df['signal'] = pd.Series(x)
|
|
94
|
+
|
|
95
|
+
```
|
|
96
|
+
|
|
97
|
+
|
|
98
|
+
|
|
99
|
+
こっちのほうが見た目明らかにすっきりしていますね。
|
1
編集途中で送信してしまったため
test
CHANGED
|
@@ -1,15 +1,13 @@
|
|
|
1
|
+
すこし冗長ですが、こういうやり方もあります。
|
|
2
|
+
|
|
3
|
+
|
|
4
|
+
|
|
1
5
|
```
|
|
2
6
|
|
|
3
|
-
def signal(df):
|
|
4
|
-
|
|
5
|
-
|
|
7
|
+
df['signal'] = df.rolling(2, min_periods=1).apply(lambda sr: 1 if sr[1:] and sr[1] > sr[0] else 0, raw=True).apply(lambda x: 'True' if x['close'] else '-', axis=1)
|
|
6
|
-
|
|
7
|
-
return 'true'
|
|
8
|
-
|
|
9
|
-
else:
|
|
10
|
-
|
|
11
|
-
return '-'
|
|
12
|
-
|
|
13
|
-
df['signal'] = df.apply(signal, axis=1)
|
|
14
8
|
|
|
15
9
|
```
|
|
10
|
+
|
|
11
|
+
|
|
12
|
+
|
|
13
|
+
DataFrame.rollingは、複数の行または列にわたって集計するための関数です。
|