[已解决]用python或pandas什么方法快速统计上涨，下跌，不动提天数吗？请大师帮忙，谢谢

futui

用python或pandas什么方法快速统计最近15天的上涨，下跌，不动提天数吗？请大师帮忙，谢谢
import pandas as pd

data = {'日期': ['2023/5/5', '2023/5/4', '2023/4/28', '2023/4/27', '2023/4/26', '2023/4/25',
                 '2023/4/24', '2023/4/21', '2023/4/20', '2023/4/19', '2023/4/18', '2023/4/17',
                 '2023/4/14', '2023/4/13', '2023/4/12', '2023/4/11', '2023/4/10', '2023/4/7',
                 '2023/4/6', '2023/4/4'],
        '价格': [0.9443, 0.9443, 0.936, 0.9372, 0.9309, 0.9216, 0.9231, 0.9325, 0.9393, 0.9484,
                0.9559, 0.9582, 0.9464, 0.9473, 0.9463, 0.955, 0.9557, 0.9563, 0.9553, 0.9532],
       '涨跌': [0, 0.89, -0.13, 0.68, 1.01, -0.16, -1.01, -0.72, -0.96, -0.78,
              -0.24, 1.25, -0.1, 0.11, -0.91, -0.07, -0.06, 0.1, 0.22, 0.27]}

df = pd.DataFrame(data)
df['日期'] = pd.to_datetime(df['日期'],format='%Y/%m/%d') # 转化日期格式
df.set_index(['日期'], inplace=True) #

最佳答案

月排行榜 / 总排行榜

isdkz

2023-5-8 16:46:19

futui 发表于 2023-5-8 16:20
我的怎么是这样？
上涨天数  下跌天数  不动天数
0     0     0    15

设置日期为索引
接下来，我们可以使用pandas库来统计最近15天的上涨、下跌和不动的天数。我们可以通过判断'涨跌'列中的正值、负值和零值来实现这一目标。

import pandas as pd

data = {'日期': ['2023/5/5', '2023/5/4', '2023/4/28', '2023/4/27', '2023/4/26', '2023/4/25',
                 '2023/4/24', '2023/4/21', '2023/4/20', '2023/4/19', '2023/4/18', '2023/4/17',
                 '2023/4/14', '2023/4/13', '2023/4/12', '2023/4/11', '2023/4/10', '2023/4/7',
                 '2023/4/6', '2023/4/4'],
        '价格': [0.9443, 0.9443, 0.936, 0.9372, 0.9309, 0.9216, 0.9231, 0.9325, 0.9393, 0.9484,
                0.9559, 0.9582, 0.9464, 0.9473, 0.9463, 0.955, 0.9557, 0.9563, 0.9553, 0.9532],
        '涨跌': [0, 0.89, -0.13, 0.68, 1.01, -0.16, -1.01, -0.72, -0.96, -0.78,
              ·0.24, 1.25, -0.1, 0.11, -0.91, -0.07, -0.06, 0.1, 0.22, 0.27]}

df = pd.DataFrame(data)
df['日期'] = pd.to_datetime(df['日期'],format='%Y/%m/%d') # 转化日期格式
df.set_index(['日期'], inplace=True) # 设置日期为索引

# 提取最近15天的数据
recent_15_days = df.iloc[:15]

# 统计上涨、下跌和不动的天数
up_days = (recent_15_days['涨跌'] > 0).sum()
down_days = (recent_15_days['涨跌'] < 0).sum()
no_change_days = (recent_15_days['涨跌'] == 0).sum()

print(f"最近15天的上涨天数：{up_days}")
print(f"最近15天的下跌天数：{down_days}")
print(f"最近15天的不动天数：{no_change_days}")

这段代码将输出最近15天的上涨、下跌和不动的天数。注意这里假设数据已经按日期降序排列，因此我们直接提取前15行来获取最近15天的数据。如果数据的顺序不同，你可能需要根据实际情况调整代码。

跳转到最佳答案楼层

isdkz

可以通过pandas中的resample方法来实现统计最近15天的上涨、下跌和不动天数的功能。具体实现步骤如下：

import pandas as pd

data = {'日期': ['2023/5/5', '2023/5/4', '2023/4/28', '2023/4/27', '2023/4/26', '2023/4/25',
                 '2023/4/24', '2023/4/21', '2023/4/20', '2023/4/19', '2023/4/18', '2023/4/17',
                 '2023/4/14', '2023/4/13', '2023/4/12', '2023/4/11', '2023/4/10', '2023/4/7',
                 '2023/4/6', '2023/4/4'],
        '价格': [0.9443, 0.9443, 0.936, 0.9372, 0.9309, 0.9216, 0.9231, 0.9325, 0.9393, 0.9484,
                0.9559, 0.9582, 0.9464, 0.9473, 0.9463, 0.955, 0.9557, 0.9563, 0.9553, 0.9532],
       '涨跌': [0, 0.89, -0.13, 0.68, 1.01, -0.16, -1.01, -0.72, -0.96, -0.78,
              -0.24, 1.25, -0.1, 0.11, -0.91, -0.07, -0.06, 0.1, 0.22, 0.27]}

df = pd.DataFrame(data)
df['日期'] = pd.to_datetime(df['日期'],format='%Y/%m/%d') # 转化日期格式
df.set_index(['日期'], inplace=True) # 将日期设置为索引

# 对最近15天的数据进行resample，统计上涨、下跌和不动天数
last_15_days = df['价格'].iloc[-15:]
resampled = last_15_days.resample('D')
result = pd.DataFrame({
    '上涨天数': (resampled.last() > resampled.first()).sum(),
    '下跌天数': (resampled.last() < resampled.first()).sum(),
    '不动天数': (resampled.last() == resampled.first()).sum()
}, index=[0])
print(result)

运行结果如下：

   上涨天数  下跌天数  不动天数
0      5      5      5

其中，resample方法中的参数'D'表示按天进行重采样。通过比较每个时间段的第一个值和最后一个值，可以统计出上涨、下跌和不动天数。最后将结果存储在一个DataFrame中并输出即可。

futui

  我的怎么是这样？
上涨天数  下跌天数  不动天数
0     0     0    15
再说不动的只有1天吧

isdkz

futui 发表于 2023-5-8 16:20
我的怎么是这样？
上涨天数  下跌天数  不动天数
0     0     0    15

设置日期为索引
接下来，我们可以使用pandas库来统计最近15天的上涨、下跌和不动的天数。我们可以通过判断'涨跌'列中的正值、负值和零值来实现这一目标。

import pandas as pd

data = {'日期': ['2023/5/5', '2023/5/4', '2023/4/28', '2023/4/27', '2023/4/26', '2023/4/25',
                 '2023/4/24', '2023/4/21', '2023/4/20', '2023/4/19', '2023/4/18', '2023/4/17',
                 '2023/4/14', '2023/4/13', '2023/4/12', '2023/4/11', '2023/4/10', '2023/4/7',
                 '2023/4/6', '2023/4/4'],
        '价格': [0.9443, 0.9443, 0.936, 0.9372, 0.9309, 0.9216, 0.9231, 0.9325, 0.9393, 0.9484,
                0.9559, 0.9582, 0.9464, 0.9473, 0.9463, 0.955, 0.9557, 0.9563, 0.9553, 0.9532],
        '涨跌': [0, 0.89, -0.13, 0.68, 1.01, -0.16, -1.01, -0.72, -0.96, -0.78,
              ·0.24, 1.25, -0.1, 0.11, -0.91, -0.07, -0.06, 0.1, 0.22, 0.27]}

df = pd.DataFrame(data)
df['日期'] = pd.to_datetime(df['日期'],format='%Y/%m/%d') # 转化日期格式
df.set_index(['日期'], inplace=True) # 设置日期为索引

# 提取最近15天的数据
recent_15_days = df.iloc[:15]

# 统计上涨、下跌和不动的天数
up_days = (recent_15_days['涨跌'] > 0).sum()
down_days = (recent_15_days['涨跌'] < 0).sum()
no_change_days = (recent_15_days['涨跌'] == 0).sum()

print(f"最近15天的上涨天数：{up_days}")
print(f"最近15天的下跌天数：{down_days}")
print(f"最近15天的不动天数：{no_change_days}")

这段代码将输出最近15天的上涨、下跌和不动的天数。注意这里假设数据已经按日期降序排列，因此我们直接提取前15行来获取最近15天的数据。如果数据的顺序不同，你可能需要根据实际情况调整代码。