Суммирование в pandas после n строк

Question

Я работаю с кадром данных (в настоящее время) с индексом и столбцом. Индекс - это даты, столбец - это число. Я хочу, чтобы сначала найти строку, в которой значение меньше определенного уровня:

list = [] 
for index,row in df.iterrows(): 
    if row < -0.1: 
     list.append(#sum the next 60 values) 

Я чувствую, как это должно быть просто, но я не могу понять смысл документации панд для индексации и выбора данных.

Помимо этого, как бы я мог продолжить, если у меня есть индекс (даты) и более 1 столбца значений. Суммы должны идти только 30,60,90 и т. Д. В каждом столбце. Я полагаю, я бы добавить цикл к вышесказанному:

for i in df.columns: 
    #add logic here 

Edit: Это то, что данные выглядит следующим образом:

data 

Date  Ticker 

2015-06-23 -0.010959 
2015-06-24 -0.002770 
2015-06-25 0.005556 
2015-06-26 0.008287 
2015-06-29 -0.013699 
2015-06-30 0.005556 
2015-07-01 0.006077 
2015-07-02 -0.010983 

Answer 1

Вы можете рассчитать rolling_sum на reversed dataframe сделать трюк.

import pandas as pd 
import numpy as np 

# sample data 
# ================================= 
np.random.seed(0) 
df = pd.DataFrame(np.random.randn(25, 2)*0.1, columns=['A', 'B'], index=pd.date_range('2010-01-01', periods=25, freq='B')) 
df 

       A  B 
2010-01-01 0.1764 0.0400 
2010-01-04 0.0979 0.2241 
2010-01-05 0.1868 -0.0977 
2010-01-06 0.0950 -0.0151 
2010-01-07 -0.0103 0.0411 
2010-01-08 0.0144 0.1454 
2010-01-11 0.0761 0.0122 
2010-01-12 0.0444 0.0334 
2010-01-13 0.1494 -0.0205 
2010-01-14 0.0313 -0.0854 
2010-01-15 -0.2553 0.0654 
2010-01-18 0.0864 -0.0742 
2010-01-19 0.2270 -0.1454 
2010-01-20 0.0046 -0.0187 
2010-01-21 0.1533 0.1469 
2010-01-22 0.0155 0.0378 
2010-01-25 -0.0888 -0.1981 
2010-01-26 -0.0348 0.0156 
2010-01-27 0.1230 0.1202 
2010-01-28 -0.0387 -0.0302 
2010-01-29 -0.1049 -0.1420 
2010-02-01 -0.1706 0.1951 
2010-02-02 -0.0510 -0.0438 
2010-02-03 -0.1253 0.0777 
2010-02-04 -0.1614 -0.0213 

# processing 
# ================================================= 
from functools import partial 

def sum_over_next_n_days(col, n_days, threshold): 
    # sum over next several days, reverse first, and use rolling sum 
    res = pd.rolling_sum(col[::-1], window=n_days).shift(1)[::-1]  
    return res[col < threshold].reindex(col.index) 

# specify your parameter here, next 3 days, -0.1 
apply_func = partial(sum_over_next_n_days, n_days=3, threshold=-0.1) 

df.apply(apply_func) 

       A  B 
2010-01-01  NaN  NaN 
2010-01-04  NaN  NaN 
2010-01-05  NaN  NaN 
2010-01-06  NaN  NaN 
2010-01-07  NaN  NaN 
2010-01-08  NaN  NaN 
2010-01-11  NaN  NaN 
2010-01-12  NaN  NaN 
2010-01-13  NaN  NaN 
2010-01-14  NaN  NaN 
2010-01-15 0.3180  NaN 
2010-01-18  NaN  NaN 
2010-01-19  NaN 0.1660 
2010-01-20  NaN  NaN 
2010-01-21  NaN  NaN 
2010-01-22  NaN  NaN 
2010-01-25  NaN 0.1056 
2010-01-26  NaN  NaN 
2010-01-27  NaN  NaN 
2010-01-28  NaN  NaN 
2010-01-29 -0.3469 0.2290 
2010-02-01 -0.3376  NaN 
2010-02-02  NaN  NaN 
2010-02-03  NaN  NaN 
2010-02-04  NaN  NaN 

Answer 2

Попробуйте построение списка индексов, найдя целый индекс всех строк, которые удовлетворяют условие, как:

import numpy as np 
from pandas import DataFrame 

df = DataFrame([["2015-06-23",-0.010959], 
["2015-06-24", -0.102770], 
["2015-06-25", 0.005556], 
["2015-06-26", 0.008287], 
["2015-06-29", -0.113699], 
["2015-06-30", 0.005556], 
["2015-07-01", 0.006077], 
["2015-07-02", -0.010983]], columns=['Date','Ticker']) 

df.set_index(['Date']) 

index_list = list(np.where(df.Ticker < -0.1)[0]) 

Затем перебирать эти места индекса, чтобы получить свои значения:

list = [] 
for i in index_list: 
    list.append(df.loc[i:i+30-1]['Ticker'].sum())