Python：如何计算变量=是时的平均时间长度

Question

我有一组 EURUSD 数据并正在寻找套利机会。数据格式如图所示。

mispricing_1=yes何时buy_b_sell_A>0何mispricing_2=yes地buy_A_sell_B>0

照片中没有数据点 whereexploitable=yes但是 when thebuy_b_sell_A>6或 when buy_A_sell_B>6，然后我们得到exploitable=yes

我希望计算存在可利用套利机会的平均时间长度，由exploitable=yes

我如何计算连续的时间长度，exploitable=yes以便我可以绘制分布然后计算平均值？

Answer 1

df=pd.DataFrame(data={'ts':list(range(1,14)),                  'mp':[0,0,1,1,1,0,0,1,1,0,0,1,0]}) # your datadf.loc[df.mp.diff(1)==1, 'ts1'] = df.ts  # TS1df.loc[df.mp.diff(1)==-1, 'ts2'] = df.ts  # TS2df=df[~(df.ts1.isna())|~(df.ts2.isna())] # keep only rows with changesdf.loc[~df.ts2.isna(), 'delta'] = df.ts2 - df.ts1.shift(1)  # TS2-TS1print (df)

Answer 2

如果将其导入为熊猫框架，我们称之为 df，则可以执行 df.groupby['exploitable'].mean 您可以执行 .histogram 或其他用于分发的操作。