主页 / 问题 / 1346535
Accepted
максим ильин
Asked:2022-04-06 22:55:22 +0000 UTC2022-04-06 22:55:22 +0000 UTC

如何更改.csv？

  • 772

适用于读取，但不会更改文件中的值：

import csv

directory="C:\\Users\\pyth\\output_3.csv"

with open(directory, 'r+') as f:
    d_reader = csv.DictReader(f,delimiter='\t')
    for row in d_reader:
        if float(row['Open']) > float(row['Close']):
            row['CLINE_TYPE'] = '1_MIN'
        else : row["CLINE_TYPE"] = '1_MAX'

如何在 Pandas 中编写嵌套分支语句？

目的：找出相差 5 分钟的行，前提是第一行打开 > 关闭，第二行打开 < 关闭或第一行打开 < 关闭，第二行打开 > 关闭。

现实生活中的例子：去年哪两天昨天早上的温度高于昨天晚上的温度，第二天晚上的温度又高于第二天早上的温度，反之亦然。

逻辑：从输入数据中，需要选择满足以下条件的一对行： 1）“OPEN TIME”字段中的行之间相差5分钟（即一行中的下一行） ) 2) 如果在第一行中“OPEN”字段中的值严格大于“Close”字段中的值，则在第二行中，OPEN 严格小于 CLOSE，反之亦然。如果满足条件，则在“CLOSE”>“OPEN”的情况下将时间值写入date_cline_up变量，在“CLOSE”<“OPEN”的情况下写入date_cline_dow，并写入文件。接下来，循环查找满足条件的第二对字符串。如果不满足条件，则 date_cline_up 或 date_cline_dow 的值在 Nan 中被覆盖，具体取决于哪一行是该对中的第一个或随后的每个对中的哪一行。从输入数据中，获得满足条件的以下行：第 0-1 行将包含字段 CLINE_TYPE -'1_MAX' 中的铭文，第 2-3 行将包含 1_MAX。“完整条件”中的代码完全涵盖了所描述的逻辑。

输入数据 ：

    Open Time   Close time  Open    Close       STATUS  CLINE_TYPE
0   2021-11-06 13:25:00 2021-11-06 13:29:59.999000064   60534.13    60509.9         
1   2021-11-06 13:30:00 2021-11-06 13:34:59.999000064   60509.89    60570.01        
2   2021-11-06 13:35:00 2021-11-06 13:39:59.999000064   60570.01    60469.34        
3   2021-11-06 13:40:00 2021-11-06 13:44:59.999000064   60469.34    60546.6

满状态：

date_cline_up=None
date_cline_dow=None

for row in d_reader:
    curent_date = datetime.strptime(row["Open Time"], '%Y-%m-%d %H:%M:%S')
    if date_cline_up is None and date_cline_dow is None:
        if float(row["Open"]) > float(row["Close"]):
            date_cline_dow = datetime.strptime(row["Open Time"], '%Y-%m-%d %H:%M:%S')
        elif float(row["Open"]) < float(row["Close"]):
            date_cline_up = datetime.strptime(row["Open Time"], '%Y-%m-%d %H:%M:%S')
    elif date_cline_up is None and date_cline_dow is not None:
        if (((curent_date - date_cline_dow).total_seconds()) % 3600 // 60) == 5 and float(row["Open"]) < float(row["Close"]):
            row["CLINE_TYPE"] = '1_MIN'
        else:
            date_cline_dow = None
    elif date_cline_up is not None and date_cline_dow is None:
        if (((curent_date - date_cline_up).total_seconds()) % 3600 // 60) == 5 and float(row["Open"]) > float(row["Close"]):
            row["CLINE_TYPE"] = '1_MAX'
        else:
            date_cline_up = None
python

1 个回答

  1. Best Answer

    如果我正确理解了这个问题...

    首先，让我们从“下一个”行添加具有值的辅助列：

    df[["Open2", "Close2"]] = df[["Open", "Close"]].shift(-1)

    发生了：

    In [13]: df
Out[13]:
            Open Time                    Close time      Open     Close     Open2    Close2
0 2021-11-06 13:25:00 2021-11-06 13:29:59.999000064  60534.13  60509.90  60509.89  60570.01
1 2021-11-06 13:30:00 2021-11-06 13:34:59.999000064  60509.89  60570.01  60570.01  60469.34
2 2021-11-06 13:35:00 2021-11-06 13:39:59.999000064  60570.01  60469.34  60469.34  60546.60
3 2021-11-06 13:40:00 2021-11-06 13:44:59.999000064  60469.34  60546.60       NaN       NaN

    现在您可以过滤：

    In [15]: df["Open Time"].diff().dt.total_seconds().fillna(300).eq(300) & (np.sign((df["Open"] - df["Close"]) * (df["Open2"] - df["Close2"])) < 0)
Out[15]:
0     True
1     True
2     True
3    False
dtype: bool

In [16]: df[df["Open Time"].diff().dt.total_seconds().fillna(300).eq(300) & (np.sign((df["Open"] - df["Close"]) * (df["Open2"] - df["Close2"])) < 0)]
Out[16]:
            Open Time                    Close time      Open     Close     Open2    Close2
0 2021-11-06 13:25:00 2021-11-06 13:29:59.999000064  60534.13  60509.90  60509.89  60570.01
1 2021-11-06 13:30:00 2021-11-06 13:34:59.999000064  60509.89  60570.01  60570.01  60469.34
2 2021-11-06 13:35:00 2021-11-06 13:39:59.999000064  60570.01  60469.34  60469.34  60546.60
    • 2

相关问题