pandas apply 与shift结合

Question

我试图找到每个时间间隔的货币相对变动。我有一个这样的表：Date        USD_NOK EUR_USD EUR_NOK  2020-08-09  9.03267 1.17732 10.60526 2020-08-10  8.97862 1.17749 10.58188还有一个像这样的函数：def RelativeStrength(table):    f1 = table.iloc[0][2]    f2 = table.iloc[0][0]    t1 = table.iloc[1][2]    t2 = table.iloc[1][0]    n = pow(((f1*f2)/(t1*t2)),1/3)    n1 = t1 * (n/f1)    n2 = t2 * (n/f2)    return n, n1, n2然而，这些表包含数十年的数据，其间隔比每天要短得多，而且我有很多这样的数据。该函数需要在每一行上运行，该行将与之前的行进行比较。我可以通过 for 循环轻松完成此操作，但是对于我拥有的数据集来说，这可能需要几天的时间。因此，我希望使用 apply 或类似的东西。我尝试过这样的事情：table.apply(lambda x: [x[0].shift()], axis=1, result_type='expand')希望得到这样的结果，但我没有：Date        USD_NOK EUR_USD EUR_NOK  NOK    USD    EUR2020-08-09  9.03267 1.17732 10.60526 1.0021 0.0876 0.99232020-08-10  8.97862 1.17749 10.58188 1.0027 1.0005 0.9967（2020-08-09 的结果是虚构的，因为它们取决于 2020-08-08 的外汇交叉盘，而我尚未发布）然而，似乎 apply 一次只查看一行。是否可以使用 apply 对每一行进行计算，包括考虑之前的行？

Answer 1

由于您的所有操作（*、/和**）默认情况下都具有内置的向量化支持，因此我建议您直接进行计算而不使用.apply().

df["f1_t1"] = df["EUR_NOK"].shift() / df["EUR_NOK"]  # f1 over t1

df["f2_t2"] = df["USD_NOK"].shift() / df["USD_NOK"]  # f2 over t2

df["NOK"] = (df["f1_t1"] * df["f2_t2"])**(1/3)

df["USD"] = df["NOK"] / df["f1_t1"]

df["EUR"] = df["NOK"] / df["f2_t2"]

# output

df

         Date  USD_NOK  EUR_USD  ...       NOK       USD       EUR

0  2020-08-09  9.03267  1.17732  ...       NaN       NaN       NaN

1  2020-08-10  8.97862  1.17749  ...  1.002740  1.000529  0.996740

请注意，创建的是可以多次重用的中间变量，而不是简单的移位。这部分特定于您的公式。因此可以进一步减少操作次数。