ベクトル化の操作は、新しいデータフレーム

Question

を作成するためのデータフレームがorders_dfと呼ばれるように私はorders.csvを持っている：

  Symbol Order Shares 
Date       
2011-01-10 AAPL BUY 100 
2011-01-13 AAPL SELL 200 
2011-01-13 IBM BUY 100 
2011-01-26 GOOG SELL 200 

私はorders_df = orders_df.sort_index()でデータフレームを並べ替えてしまいます。

その後、私はそうのようなsymbolsを作成します。

symbols = np.append(orders_df.loc[:, 'Symbol'].unique(), 'SPY') 

ここでは私の第二のデータフレームdf_pricesが来ます。

df_prices = get_data(symbols, orders_df.index, addSPY=False) 
df_prices.loc[:, 'CASH] = 1.0 

出力した：私は、2つの以前使用して正しい値を使用してこのデータフレームを埋めるために必要「

df_trades = pd.DataFrame(0, df_prices.index, columns=list(df_prices)) 

：

  AAPL IBM GOOG XOM SPY CASH 
Date             
2011-01-10 150 100 50 400 100 1.0 
2011-01-13 250 200 500 100 100 1.0 
2011-01-13 250 200 500 100 100 1.0 
2011-01-26 100 150 100 300 50 1.0 

を今は第3データフレームを初期化します日付フレーム。私が AAPLの場合、をorders_dfから掛けて、AAPLの価格を-1とします。それがSELLなら、私は-1で乗算しませんでした。私はその値を正しいCASHの列に入れました。他の列については、取引日に各株のSharesをコピーするだけです。

  AAPL IBM GOOG XOM SPY CASH 
Date             
2011-01-10 100 0 0 0 0  -15000 
2011-01-13 -200 0 0 0 0  50000 
2011-01-13 0 100 0 0 0  -20000 
2011-01-26 0  0 -200 0 0  20000 

ベクトル化演算を使用してdf_tradesを達成するにはどうすればよいですか？

UPDATE

私は何をやった場合：

df_prices = get_data(symbols, orders_df.index, addSPY=False) 
df_prices.loc[:, 'CASH] = 1.0 

私はその後、df_tradesを生成する方法

  AAPL  IBM GOOG XOM  SPY CASH 
2011-01-10 340.99 143.41 614.21 72.02 123.19 1.0 
2011-01-11 340.18 143.06 616.01 72.56 123.63 1.0 
2011-01-12 342.95 144.82 616.87 73.41 124.74 1.0 
2011-01-13 344.20 144.55 616.69 73.54 124.54 1.0 
2011-01-14 346.99 145.70 624.18 74.62 125.44 1.0 
2011-01-18 339.19 146.33 639.63 75.45 125.65 1.0 
2011-01-19 337.39 151.22 631.75 75.00 124.42 1.0 

を出力していますか？

例の値はもう有効ではありません。

Answer 1

ベクトル化ソリューション

j = np.array([df_trades.columns.get_loc(c) for c in orders_df.Symbol]) 
i = np.arange(len(df_trades)) 
o = np.where(orders_df.Order.values == 'BUY', -1, 1) 
v = orders_df.Shares.values * o 
t = df_trades.values 
t[i, j] = v 

df_trades.loc[:, 'CASH'] = \ 
    df_trades.drop('CASH', 1, errors='ignore').mul(prices_df).sum(1) 
df_trades 

      AAPL IBM GOOG XOM SPY  CASH 
Date           
2011-01-10 -100 0  0 0 0 -15000.0 
2011-01-13 200 0  0 0 0 50000.0 
2011-01-13  0 -100  0 0 0 -30000.0 
2011-01-26  0 0 200 0 0 20000.0