Pandas DataFrame Logic - Python

Question

Ich versuche, die Trading-Logik aus Spaß zu testen, aber ich kann nachvollziehen, wie man numpy benutzt, um Entscheidungen zu treffen. Zum Beispiel möchte ich df ['position'] = 1 oder -1 basierend darauf setzen, ob die Daten unterhalb oder oberhalb der oberen und unteren Zeilen liegen. Wenn die Daten < = die untere Zeile ist, möchte ich die Position = 1 setzen und sie auf 1 halten, bis Data> = die obere Zeile ist. Sobald Daten> = die obere Zeile ist, möchte ich Position = -1 setzen und bei -1 bleiben und dann wiederholen.

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 

data = np.random.standard_normal((5, 100)).flatten() 
data = data.cumsum() 

df = pd.DataFrame({'Data': data}) 
df['std'] = df['Data'].rolling(50).std() 
df['SMA'] = df['Data'].rolling(50).mean() 
df['upper'] = df['SMA'] + (2 * df['std']) 
df['lower'] = df['SMA'] - (2 * df['std']) 

df[['Data', 'SMA', 'upper', 'lower']].plot(figsize=(10, 6)) 

df['position'] = 0 
plt.show() 

Hier versuche ich, genau das aber nicht zu tun, weil ich weiß nicht, wie diese richtig zu machen.

df['islower'] = np.where(df['Data'] < df['lower'], 1, 0) 
df['isupper'] = np.where(df['Data'] > df['upper'], 1, 0) 
df['position'] = np.where(df['isupper']==1, -1, 0) | np.where(df['islower']==1, 1, 0) 

Answer 1

Ich denke, was Sie tun möchten, ist:

df['islower'] = df['islower'].where(df['Data'] < df['lower'], 1, 0)  
df['isupper'] = df['isupper'].where(df['Data'] < df['upper'], 1, 0)