最近在做交易數據的統計分析時，多次用到數據行之間的一些操作，對於其中的細節，簡單做了個筆記。
1. shfit函數
shift函數在策略回測代碼中經常出現，計算交易信號，持倉信號以及資金曲線時都有涉及。
這個函數的主要作用是將某列的值上下移動。
默認情況下，shift函數是向下移動一行，
移動後，新數據列的第一行數據用NaN（空值）填充，原始數據列的最後一行丟棄。
import pandas as pd
df = pd.DataFrame({
"A": [1, 2, 3, 4, 5, 6],
"B": [2, 3, 4, 2, 4, 5],
"C": [5, 6, 7, 1, 3, 4],
}, dtype=float)
# 默認 shift()
df["C-shift()"] = df["C"].shift()
print(df)
也可以在shift函數中指定移動的行數，比如下面的代碼下移3行。
df["C-shift(3)"] = df["C"].shift(3)
print(df)
指定的行數爲負值時，表示向上移動，此時，下面的部分用NaN填充。
df["C-shift(-3)"] = df["C"].shift(-3)
print(df)
shift之後一般會在 首部/尾部 產生NaN空值，根據情況看是否需要進一步處理。
2. 不同行數的列賦值
shift函數還是比較好理解的，
下面這個操作比shift稍微複雜一些。
爲了簡化，創建兩個測試數據：
df1 = pd.DataFrame({
"A": [1, 2, 3, 4, 5, 6],
"B": [2, 3, 4, 2, 4, 5],
"C": [5, 6, 7, 1, 3, 4],
})
df2 = pd.DataFrame({
"D": [110, 100],
})
print(df1, df2)
把df2只有2行，df1有6行，此時，把df2的D列賦值給df1時，pandas會自動比較df1和df2的index（索引，也就是上圖中紅色框內部分），只賦值具有相同index的行。
df1["D"] = df2["D"]
print(df1)
改變df2的index，再次賦值看看：
df2 = pd.DataFrame({
"D": [110, 100],
}, index=[4, 7])
df1["D"] = df2["D"]
print(df1)
df2中index=4時能和df1匹配，所以賦值之後，只有index=4那行賦給了df1，df2中index=7那行沒匹配上，就直接丟棄了。
所以，不同行數的兩個數據集互相賦值時，比不是從上而下按行賦值，而是根據兩個數據的index來匹配賦值的。
這時，再回頭看計算交易信號的代碼，temp雖然經過過濾之後，行數比df要少，但是過濾之後的每行數據會根據對應的index準確的賦給df中相同index的行。
3. pct_change函數
pct_change函數用來計算數據百分比變化的。
具體的計算規則是，當前行數據 減去 上一行數據，得出的結果再 除以 上一行數據。
比如：
df = pd.DataFrame({
"A": [1, 2, 3, 4, 5, 6],
"B": [2, 3, 4, 2, 4, 5],
"C": [5, 6, 7, 1, 3, 4],
}, dtype=float)
df["C_percent"] = df["C"].pct_change()
第一行數據因爲沒有上一行數據，所以是 NaN，
這和shift函數一樣，處理完之後，別忘了填充第一行的NaN。
同樣，pct_change()可以傳入參數跨越多行。
df["C_percent"] = df["C"].pct_change(3)
向上3行，也就是隔兩行計算變化百分比，這裏就會產生3個NaN。
pct_change()還可以傳入負值，傳入負值時的計算規則變爲：
當前行數據 減去 下一行數據，得出的結果再 除以 下一行數據。
比如：
df["C_percent"] = df["C"].pct_change(-1)
這樣，空值NaN出現最後一行，因爲最後一行沒有下一行。
4. cumprod函數
cumprod函數用來計算累積乘積的。
具體的計算規則是，若 當前行 是第一行，則直接用 **當前行數據 **作爲 累積乘積結果；
若 當前行 不是第一行，則用 **當前行數據 **乘以 上一行累積乘積結果，得出的結果作爲 當前行累積乘積結果。
比如：
df["C_cumprod"] = df["C"].cumprod()
cumprod函數不能像shift和pct_change那樣可以傳入數值或負數參數，只有默認的逐行累積計算。
5. 總結
在分析交易信息，特別是統計收益和收益率的變化時，上面幾個函數能幫助我們極大簡化代碼，避免寫各種複雜的循環。