Discussion :

[marso]

Bonjour,
je débute en Pandas et j'essaye d'appliquer à priori un calcul assez basique dans une dataframe.
Dans ma DataFrame je récupère plusieurs ordres 'boursiers' avec les fourchettes de marchés en face.
Je souhaite calculer l'impact de l'ordre en fonction de son sens.
Je suis donc parti sur un calcul assez basique pour commencer et 'me tester' tel que le suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
def calc_imp(side, price, bidprice,askprice):
    print(side)
    if(side == 'Buy'):
        return price/askprice-1
    else:
        return price/bidprice-1
 
df.Side.apply(calc_imp, args =(df.Price, df['Bid Price'], df['Ask Price'],))

Le shape de la source fait 8265x32.
Or cela me retourne une matrice avec à priori des calculs croisés dans tous les sens et un shape de 8265x8265.
Alors qeu ej souhaiterai récupérer une série afin de l'inclure dans cette même DataFrame.
Manifestement je ne dois pas réussir à avoir le déclique avec apply...

Pourriez vous m'aider à y voir plus claire svp ?

Marso

[wiztricks]

Salut,

Pourriez vous m'aider à y voir plus claire svp ?

Peut être qu'il faudrait commencer avec un Dataframe de quelques lignes et les colonnes significatives pour avoir de quoi reproduire le problème rencontré avec un code complet - le Dataframe pouvant être définit dans le programme.

- W

[marso]

Sur un exemple d'échantillon limité :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
def calc_imp(side, price, bidprice,askprice):
     if(side == 'Buy'):
        return price/askprice-1
     else:
        return price/bidprice-1
 
df = pd.DataFrame( {'Side':['Buy','Buy','Sell','Sell'],
                    'Price' : [10.5, 12 , 7 , 9],
                    'Bid Price': [10.4,11.75,7.1,9.05],
                    'Ask Price': [10.45,11.9,7.15,9.10]} )
 
df.Side.apply(calc_imp, args =(df.Price, df['Bid Price'], df['Ask Price'],))

J'obtiens ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
        0	        1	         2	         3
0	0.004785	0.008403	-0.020979	-0.010989
1	0.004785	0.008403	-0.020979	-0.010989
2	0.009615	0.021277	-0.014085	-0.005525
3	0.009615	0.021277	-0.014085	-0.005525

Alors que je m'attendais plutôt à cela :

0	0.004785
1	0.008403
2	-0.014085
3	-0.005525

Je te remercie pour ton aide.

Marso

[wiztricks]

Salut,

Je ne comprends pas ce que vous avez cherché à faire via:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

    df.Side.apply(calc_imp, args =(df.Price, df['Bid Price'], df['Ask Price'],))

Quand vous avez un problème de ce genre, il faut commencer par regarder ce que reçoit la fonction appelée:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
def calc_imp(values):
     print (values)
     return 1
 
....
df.apply(calc_imp)

Ce qui va afficher des lignes. Si on veut parcourir le truc "par colonnes", ce sera avec "axis": df.apply(calc_imp, axis=1).

Je vous laisse terminer tout seul.

- W

[marso]

Je voulais entièrement rester sous pandas sans importer numpy. Bon manifestement le traitement sous numpy est bien plus efficace...
En revanche Apply semble pouvoir gérer des cas plus complexes, donc à arbitrer.
J'ai modiofié ainsi, les 3 options abouttisant au même résultat attendu

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
def calc_imp(df):
  if(df['Side'] == 'Buy'):
    return df.Price/df['Ask Price']-1
  else:
    return df.Price/df['Bid Price']-1
 
#Option 1
df['Impact'] = df.apply(calc_imp, axis = 1)
#Option 2
df['Impact'] = np.where(df.Side == 'Buy', df.Price/df['Ask Price']-1, df.Price/df['Bid Price']-1)
#Option 3
df['Impact'] = np.select([df.Side == 'Buy', df.Side == 'Sell'],[df.Price/df['Ask Price']-1,df.Price/df['Bid Price']-1],default=0)

Résultat :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
	Side	Price	Bid Price	Ask Price	Impact
0	Buy	10.5	10.40	        10.45	     0.004785
1	Buy	12.0	11.75	        11.90	     0.008403
2	Sell	7.0	7.10	        7.15	        -0.014085
3	Sell	9.0	9.05	        9.10	        -0.005525

[BufferBob]

salut,

Je voulais entièrement rester sous pandas sans importer numpy

Pandas importe directement Numpy, du coup tu peux utiliser pd.np.where() par exemple