Python DataFrame访问过往行实现跨天股票高低价对比的最佳方式是什么
yfinance行情DataFrame相邻交易日数据对比与访问实现方案
首先说明:你示例中控制台打印的列名排版差异(如“Adj Close”)是终端对齐导致的显示效果,实际DataFrame中对应列名为Adj Close,调用High列的逻辑不受影响。
由于yfinance返回的股票行情DataFrame默认以交易日为索引、按时间升序排列,访问相邻行做对比的最高效方案是使用pandas原生的shift()方法完成行偏移,不需要手动编写循环、逐行索引,既能避免索引错位问题,也能匹配长时序数据的计算性能要求。
前后行偏移的基础实现
- 前置行(前N个交易日)访问
调用shift(正整数周期)会将列数据向下对应偏移,当前行取到的数值即为上方第N行的对应字段值。比如获取High列前1天、前2天、前3天的数值:
注:序列最顶部的前N行,由于不存在更早的相邻交易日,对应偏移列会自动填充NaN,无需额外做越界判断。stock['High_prev_1'] = stock['High'].shift(1) stock['High_prev_2'] = stock['High'].shift(2) stock['High_prev_3'] = stock['High'].shift(3) - 后置行(后N个交易日)访问
调用shift(负整数周期)会将列数据向上对应偏移,当前行取到的数值即为下方第N行的对应字段值。比如获取High列后续1天、2天、3天的数值:
注:序列最底部的最后N行,由于不存在更晚的相邻交易日,对应偏移列同样会自动填充NaN。stock['High_next_1'] = stock['High'].shift(-1) stock['High_next_2'] = stock['High'].shift(-2) stock['High_next_3'] = stock['High'].shift(-3)
自定义函数中的对比逻辑实现
基于提前偏移生成的相邻行数值列,可以直接在自定义函数中按需求完成对比计算,这是比逐行做位置索引更稳定、高效的方式。示例如下:
def high_neighbor_compare(current_row, prev_days=3, next_days=3): """对比当前交易日High值与前后相邻交易日的均值差异""" # 提取前N个交易日的High值 prev_highs = [current_row[f'High_prev_{i}'] for i in range(1, prev_days+1)] # 提取后N个交易日的High值 next_highs = [current_row[f'High_next_{i}'] for i in range(1, next_days+1)] current_high = current_row['High'] prev_avg = sum(prev_highs)/prev_days next_avg = sum(next_highs)/next_days # 自定义对比规则 if current_high > prev_avg * 1.02 and current_high > next_avg *1.02: return '当前High显著高于前后区间平均水平' elif current_high < prev_avg * 0.98 and current_high < next_avg *0.98: return '当前High显著低于前后区间平均水平' else: return '当前High处于区间正常波动范围' # 将自定义函数应用到全表生成对比结果 stock['High相对位置标记'] = stock.apply(high_neighbor_compare, axis=1)
优化注意事项
- 避免在自定义函数中使用
iloc手动计算行位置访问相邻数据:比如对第i行写stock.iloc[i-1]['High']这类逻辑,既会在索引非连续、DataFrame顺序被打乱时出现错位,逐行计算的性能也远低于预生成偏移列的方式。 - 批量生成多窗口偏移列时,可以通过循环简化代码,无需逐行重复编写
shift逻辑:# 批量生成前1-5个交易日的High偏移列 for offset in range(1,6): stock[f'High_prev_{offset}'] = stock['High'].shift(offset) - 如果需要计算滑动窗口的聚合值(比如当前High与过去3天High最大值的对比),可以直接结合
rolling()方法实现,不需要手动逐列生成偏移值:# 计算过去3天High的滚动最大值 stock['High_rolling_3d_max'] = stock['High'].rolling(window=3).max()
内容的提问来源于stack exchange,提问作者CeBoLaRk
相关产品推荐
相关产品推荐

