如何从 OHLC 数据计算枢轴值

我有一个带有 open、high、low、close 和 key 列的 pandas 数据集。现在我想按键对数据集进行分组，并使用公式 - (最高价 + 最低价 + 收盘价) / 3 计算枢轴。到目前为止我可以做到。但要求是将计算的数据转移到下一组，我无法编码。

我能够按关键列对数据集进行分组并能够计算枢轴数据。

import pandas as pd
data = pd.DataFrame([[110, 115, 105, 111, 1],[11, 16, 6, 12, 1],[12, 17, 7, 13, 1],[12, 16, 6, 11, 2],[9, 13, 4, 13, 2],[13, 18, 9, 12, 3],[14, 16, 10, 13, 3]], columns=["open","high","low","close","key"])
data['p'] = (data.high.groupby(data.key).transform('max') + data.low.groupby(data.key).transform('min') + data.close.groupby(data.key).transform('last')) / 3
print(data)

目前我的输出低于。

   open  high  low  close  key      p
0   110   115  105    111    1  44.666667
1    11    16    6     12    1  44.666667
2    12    17    7     13    1  44.666667
3    12    16    6     11    2  11.000000
4     9    13    4     13    2  11.000000
5    13    18    9     12    3  13.333333
6    14    16   10     13    3  13.333333

但将值转移到下一组后，预期输出应如下所述。

   open  high  low  close  key      p
0   110   115  105    111    1     NaN
1    11    16    6     12    1     NaN
2    12    17    7     13    1     NaN
3    12    16    6     11    2  44.666667
4     9    13    4     13    2  44.666667
5    13    18    9     12    3  11.000000
6    14    16   10     13    3  11.000000

相反 3 毛钱 groupby 使用GroupBy.agg http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.core.groupby.GroupBy.agg.html有了字典，那么sum每行的值并除以 3. 最后使用Series.map http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.map.html with Series.shift http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.shift.html新列的 ed 值：

s = data.groupby('key').agg({'low':'min','high':'max','close':'last'}).sum(axis=1) / 3

data['s'] = data['key'].map(s.shift())
print(data)
   open  high  low  close  key          s
0   110   115  105    111    1        NaN
1    11    16    6     12    1        NaN
2    12    17    7     13    1        NaN
3    12    16    6     11    2  44.666667
4     9    13    4     13    2  44.666667
5    13    18    9     12    3  11.000000
6    14    16   10     13    3  11.000000