python头文件循环依赖_pythonpandas计算带有循环依赖关系的两个系列的更有效方法...

我有一个表示股票收益的DataFrame.要拆分调整收盘价,我有以下方法&＃xff1a;

def returns(ticker, start&＃61;None, end&＃61;None):

p &＃61; historical_prices(ticker, start, end, data&＃61;&＃39;d&＃39;, convert&＃61;True)

d &＃61; historical_prices(ticker, start, end, data&＃61;&＃39;v&＃39;, convert&＃61;True)

p[&＃39;Dividends&＃39;] &＃61; d[&＃39;Dividends&＃39;]

p[&＃39;Dividends&＃39;].fillna(value&＃61;0, inplace&＃61;True)

p[&＃39;DivFactor&＃39;] &＃61; 1.

p[&＃39;SAClose&＃39;] &＃61; p[&＃39;Close&＃39;]

records, fields &＃61; p.shape

for t in range(1, records):

p[&＃39;SAClose&＃39;][t] &＃61; p[&＃39;Adj Close&＃39;][t] / p[&＃39;DivFactor&＃39;][t-1] &＃43; \

p[&＃39;Dividends&＃39;][t-1]

p[&＃39;DivFactor&＃39;][t] &＃61; p[&＃39;DivFactor&＃39;][t-1] * \

(1 - p[&＃39;Dividends&＃39;][t-1] / p[&＃39;SAClose&＃39;][t])

p[&＃39;Lagged SAClose&＃39;] &＃61; p[&＃39;SAClose&＃39;].shift(periods&＃61;-1)

p[&＃39;Cash Return&＃39;] &＃61; p[&＃39;Dividends&＃39;] / p[&＃39;Lagged SAClose&＃39;]

p[&＃39;Price Return&＃39;] &＃61; p[&＃39;SAClose&＃39;] / p[&＃39;Lagged SAClose&＃39;] - 1

return p.sort_index()

请注意SAClose(即分割调整后的关闭)如何取决于滞后的DivFactor值.反过来,DivFactor取决于滞后的DivFactor值以及当前的SAClose值.

上面的方法可以工作,但是在循环部分速度却非常慢.有没有一种更有效的方式可以让我在大熊猫中做到这一点&＃xff1f;给定“循环”依赖关系(鉴于滞后并不是真正的循环关系),我不确定如何进行常规的系列数学运算或使用常规的移位运算(例如,对现金返还而言).

解决方法:

您可以尝试一次创建一个累积调整因子系列,而无需循环&＃xff1a;

(p[&＃39;Dividends&＃39;].fillna(1.) &＃43; 1.).cumprod()

标签&＃xff1a;pandas,python

来源&＃xff1a; https://codeday.me/bug/20191201/2077267.html