Как выполнить циклический переход в цикле данных Pandas?

Question

У меня есть pandas df с 3 столбцами:

        Close   Top_Barrier Bottom_Barrier
0       441.86  441.964112  426.369888
1       448.95  444.162225  425.227108
2       449.99  446.222271  424.285063
3       449.74  447.947051  423.678282
4       451.97  449.879254  423.029413
...
996     436.97  446.468790  426.600543
997     438.16  446.461401  426.599265
998     437.00  446.093899  426.641434
999     437.52  446.024365  426.631635
1000    437.75  446.114093  426.715907

Цель: Для каждой строки мне нужно проверить, касается ли какая-либо из следующих 30 строк цена закрытия, касающаяся вершины илинижний барьер (от строки 0), например, начать с индекса строки 0, проверить, превышает ли цена закрытия (441,86) значение Top_Barrier (441,96) или ниже Bottom_Barrier (426,36), если оно больше Top_Barrier, возвращает 1, если онониже, чем Bottom_Barrier, возврат -1.Иначе, переходите к следующей строке, например, по индексу 1, цена закрытия составляет 448,95, но она все еще тестируется с ценой барьера по индексу 0, т. Е. Top_Barrier = 441,96, Bottom_Barrier - 426,36.Этот цикл продолжается до индекса 29, если цена закрытия никогда не касается барьеров - верните 0, если это так.Следующий цикл прокрутки начинается с индекса 1 до 30 и т. Д.

Попытки: Я попытался использовать .rolling.apply со следующей функцией, но просто не смог устранить ошибки.Рад изучить любые другие методы, если они достигают моей цели, изложенной выше.Спасибо!

def tbl_rolling(x):
    start_i = x.index[0]
    for i in range(len(x)):
        # the barrier freeze at index 0
        if x.loc[i, 'Close'] > x.loc[start_i, 'Top_Barrier']:
            return 1
        elif x.loc[i, 'Close'] < x.loc[start_i, 'Bottom_Barrier']:
            return -1
    return 0

Затем выдается IndexingError: Слишком много индексаторов

test = df.rolling(30).apply(tbl_rolling, raw=False)

Answer 1

Вы можете попробовать что-то вроде этого, если ваш набор данных не очень большой:

df = df.reset_index().assign(key=1)

def f(x):
    cond1 = x['Close_x'] > x['Top_Barrier_y'].max()
    cond2 = x['Close_x'] < x['Bottom_Barrier_y'].min()
    return np.select([cond1,cond2],[1,-1], default=0)[0]

df.merge(df, on='key').query('index_y <= index_x').groupby('index_x').apply(f)

Вывод:

index_x
0       0
1       1
2       1
3       1
4       1
996     0
997     0
998     0
999     0
1000    0
dtype: int64