[FIXED] Finden Sie Minima und Maxima von DataFrame in chronologischer Reihenfolge

Ausgabe

Ich habe einen Pandas-Datenrahmen, in dem ich Minima- und Extrema-Werte extrahiere. Bisher funktioniert es gut, aber das Problem ist, wie ich sie nach Datum (chronologische Reihenfolge) in eine Liste einfügen kann? Sie sind in zwei Listen unterteilt und ich möchte nur eine Preiswerteliste mit chronologischer Reihenfolge

import pandas as pd
import numpy as np
import yfinance
from scipy.signal import argrelextrema
import matplotlib.dates as mpl_dates


def extract_data():
    ticker = 'GBPJPY=X'
    ticker = yfinance.Ticker(ticker)

    start_date = '2022-09-25'
    end_date = '2022-10-08'

    df = ticker.history(interval='1h', start=start_date, end=end_date)

    df['Date'] = pd.to_datetime(df.index)
    df['Date'] = df['Date'].apply(mpl_dates.date2num)

    df = df.loc[:, ['Date', 'Open', 'High', 'Low', 'Close']]

    # Call function to find Min-Max Extrema
    find_extrema(df)

def find_extrema(df):

    n = 10  # number of points to be checked before and after

    # Find local peaks
    df['min'] = df.iloc[argrelextrema(df.Close.values, np.less_equal,
                                      order=n)[0]]['Close']
    df['max'] = df.iloc[argrelextrema(df.Close.values, np.greater_equal,
                                      order=n)[0]]['Close']
    min_values_list = []
    max_values_list = []

    # Add min value to list
    for item in df['min']:
        check_NaN = np.isnan(item) # check if values is empty
        if check_NaN == True:
            pass
        else:
            min_values_list.append(item)

    # Add max values to list
    for item in df['max']:
        check_NaN = np.isnan(item) # check if values is empty
        if check_NaN == True:
            pass
        else:
            max_values_list.append(item)

    print(f"Min: {min_values_list}")
    print(f"Max: {max_values_list}")


extract_data()

Lösung

Option 1

• Verwenden Sie zuerst df.to_numpyzum Konvertieren von Spalten minund maxin eine np.array.
• Entfernen Sie alle NaN-Werte, indem Sie aus dem Array auswählen, indem Sie np.logical_ores auf eine boolesche Maske anwenden (erstellt mit np.isnan).

arr = df[['min','max']].to_numpy()
value_list = arr[np.logical_not(np.isnan(arr))].tolist()

print(value_list)

[159.7030029296875,
 154.8979949951172,
 160.7830047607422,
 165.43800354003906,
 149.55799865722656,
 162.80499267578125,
 156.6529998779297,
 164.31900024414062,
 156.125,
 153.13499450683594,
 161.3520050048828,
 156.9340057373047,
 162.52200317382812,
 155.7740020751953,
 160.98500061035156,
 161.83700561523438]

Option 2

Eher umständlicher:

n = 10

# get the indices for `min` and `max` in two arrays
_min = argrelextrema(df.Close.values, np.less_equal, order=n)[0]
_max = argrelextrema(df.Close.values, np.greater_equal, order=n)[0]

# create columns (assuming you need this for other purposes as well)
df['min'] = df.iloc[_min]['Close']
df['max'] = df.iloc[_max]['Close']

# create lists for `min` and `max`
min_values_list = df['min'].dropna().tolist()
max_values_list = df['max'].dropna().tolist()

# join the lists
value_list2 = min_values_list + max_values_list
value_idxs = _min.tolist() + _max.tolist()

# finally, sort `value_list2` based on `value_idxs`
value_list2 = [x for _, x in sorted(zip(value_idxs, value_list2))]

# check if result is the same:
value_list2 == value_list
# True

Beantwortet von – ouroboros1

Antwort geprüft von – David Goodson (FixError Volunteer)