小编tho*_*mac的帖子

我有一个数据帧:

            CAT         ^GSPC
Date        
2012-01-06  80.435059   1277.810059
2012-01-09  81.560600   1280.699951
2012-01-10  83.962914   1292.079956
....
2017-09-16  144.56653   2230.567646

我想找到每个时期最近63天的股票/和标准普尔指数的斜率.我试过了 :

x = 0
temp_dct = {}
for date in df.index:
      x += 1
      max(x, (len(df.index)-64))    
      temp_dct[str(date)] = np.polyfit(df['^GSPC'][0+x:63+x].values, 
                                     df['CAT'][0+x:63+x].values, 
                                     1)[0]

但是我觉得这是非常"单声道"的,但我在将滚动/移位功能整合到这里时遇到了麻烦.

我的预期输出是有一个名为"Beta"的列,其具有所有可用日期的S&P(x值)和库存(y值)的斜率

我有一个 defaultdict：

dd = defaultdict(list,
        {'Tech': ['AAPL','GOOGL'],
         'Disc': ['AMZN', 'NKE']  }

和一个看起来像这样的数据框：

         AAPL AMZN GOOGL NKE
1/1/10   100  200  500   200
1/2/10   100  200  500   200
1/310    100  200  500   200

我想要的输出是根据字典的值对数据框求和，以键为列：

         TECH DISC 
1/1/10   600  400 
1/2/10   600  400  
1/3/10   600  400 

pandas groupby 文档说，如果您传递字典，它会执行此操作，但我最终得到的只是使用以下代码的空 df：

df.groupby(by=dd).sum()   ##returns empty df

这是一个带有背景渐变的样式器对象：

无论如何，我只是在寻找按原样保存它。已尝试使用 .render() 但不确定如何处理该 HTML 代码，并且从阅读有关该主题的其他问题来看，目前似乎没有保存这些的方法。有没有黑客的方法来做到这一点？

这是数组：

array([[ 0.264     ,  0.271     ,  0.285     ,  0.289     ,  0.329     ],
   [ 0.053     ,  0.051     ,  0.045     ,  0.038     ,  0.031     ],
   [ 0.006     ,  0.007     ,  0.009     ,  0.01      ,  0.01      ],
   [-3.98650106, -3.95728537, -3.99767582, -4.20624136, -3.54186842],
   [-3.22600677, -2.87623307, -2.03420988, -1.54443176, -1.41006671]])

和我有的代码行：

df.style.background_gradient(cmap='RdYlGn',low=.09,high=.18,axis=1)

我正在尝试将所有 11 个扇区的图形从扇区列表保存到 1 个 pdf 表。到目前为止，下面的代码在单独的工作表（11 个 pdf 页）上给了我一个图表。

每日回报函数是我正在绘制的数据。每个图形上有 2 条线。

with PdfPages('test.pdf') as pdf:
n=0
for i in sectorlist:
    fig = plt.figure(figsize=(12,12))
    n+=1
    fig.add_subplot(4,3,n)
    (daily_return[i]*100).plot(linewidth=3)
    (daily_return['^OEX']*100).plot()
    ax = plt.gca()
    ax.set_ylim(0, 100)
    plt.legend()
    plt.ylabel('Excess movement (%)')
    plt.xticks(rotation='45')
    pdf.savefig(fig)
plt.show()

我正在绘制部门及其所有股票的收益。我希望值> 100为绿色，而<100为红色。这是我的代码：

sector_lst = ['XLK','XLF','XLE']  ## etc.

for i in sector_lst:                   
    fig = plt.figure(figsize=(12, 8)) 

    for x in sectordict[i]:                #sectordict[i] is all the stocks in a sector (so AAPL, GOOG, etc. for tech) 
        if pct_change[x] > 1:              
             pct_change[sectordict[i]].plot(kind='bar',color='g') 

        ##if pct_chg < 1
        else:                              
             pct_change[sectordict[i]].plot(kind='bar',color='r') 


plt.title(i)

到目前为止，这会将整个扇区图形返回为绿色或红色。如果第一个值大于100，则所有库存均为绿色，反之亦然。

我的预期输出是有11张图（当前它会这样做），但是图中的每种股票都有不同的颜色，如果股票的回报率> 100％，则显示绿色，而<100％，则显示红色。

下面是一个名为“compmatrix”的 df：

             -3.0        -5.0       -7.0    
Gain/DD*DD%  0.009000    0.034000   0.088000    
Gain/Expsr%  0.487000    0.927000   1.628000    
Gain/MaxDD   0.015000    0.021000   0.025000    
MaxDD*iBeta  32.633      193.536    856.520

由于值差异很大，我想对每一行（相对于整个数据框）应用热图。

import seaborn as sns
sns.heatmap(compmatrix,cmap='RdYlGn_r',annot=True)

但事实上没有 axis=1 让我感到困惑。似乎无法在文档中找到我正在寻找的解决方案。

我有一个名为'XLK'的df:

       Market Cap   PE  
AAN     3.25B      23.6 
AAPL    819.30B    18.44    
ACFN    6.18M      2.1  
ACIW    2.63B      103.15   

我只想要价值> 1亿的市值,所以预期产量是:

       Market Cap   PE  
AAN     3.25B      23.6 
AAPL    819.30B    18.44    
ACIW    2.63B      103.15   

我已经尝试将字母转换为适当的0而没有成功:

XLK['Market Cap'].replace('M','000000')
XLK.drop[XLK_quote['Market Cap'] < '100M'].index

我有一个名为 fajita 的美味空数组：

fajita = np.empty(2)
array([  2.00000000e+00,   1.72723382e-77])

当我使用：

np.insert(fajita,0,[2,2])

我得到：

array([  2.00000000e+00, 2.00000000e+00,   2.00000000e+00,   1.72723382e-77])

这里的问题是我只想要插入的 2 个值，我不想保留空数组中的先前值。预期的输出应该是一个只插入了 2 个值的数组。就像是：

array([  2.00000000e+00, 2.00000000e+00])

我正在尝试用df“ p_df”（144行x 1列）减去df“ stock_returns”（144行x 517列）。

我试过了;

stock_returns - p_df

stock_returns.rsub(p_df,axis=1)
stock_returns.substract(p_df)

但是它们都不起作用，并且都返回Nan值。

我正在通过此fnc传递它，并使用for循环获取args：

def disp_calc(returns, p, wi):    #apply(disp_calc, rows = ...)
    wi = wi/np.sum(wi)
    rp = (col_len(returns)*(returns-p)**2).sum()      #returns - p causing problems    
    return np.sqrt(rp)

for i in sectors:
    stock_returns = returns_rolling[sectordict[i]]#.apply(np.mean,axis=1)          
    portfolio_return = returns_rolling[i]; p_df = portfolio_return.to_frame()
    disp_df[i] = stock_returns.apply(disp_calc,args=(portfolio_return,wi))

我的预期输出是将第一个df中的所有517个cols减去p_df中的1个col。因此最终结果仍为517列。谢谢