vcf转csv

纽约犯罪率大幅上升，警方正在追捕随机殴打同性恋情侣的黑人嫌疑人，此人同时还发表了恐同言论。该事件发生时，该市仍在犯罪浪潮中挣扎，随机袭击事件时有发生。纽约警方公布了最近发生在曼哈顿宾夕法尼亚大道5号CVS商店的这起事件的监控视频，事件发生在周六晚上7点左右。视频显示，一名24岁男子走进商店时，一名身穿白衬衫的黑人男子突然向他的头部猛击一拳。身穿白衬衫黑人一边痛骂同性恋一边殴打这个24岁的男子。《纽约每日新闻》报道称，嫌犯在袭击发生时对该男子大喊“f*****g同志”。警方告诉纽约全国广播公司，嫌疑人随后步行从第34街逃向第9大道。再往前走，视频显示嫌疑人若无其事地走在人行道上，一度转身朝着路人大喊。然后他对另一个人做出威胁的手势。纽约市正试图应对当前的犯罪浪潮，其中包括枪击事件较一年前大幅上升。周一下午，皇后区的一名警探在调查现场时被一名手持塑料警棍的黑人男子击中头部。该案的嫌疑人已被逮捕。（可濯）刚接触Python不久，遇到一个问题，请人帮我解决下！我的持仓天数为参数（向前填充时候的参数，填充几天表示持仓几天），现在我要调整持仓天数（不同的持仓日期），得到不同的“lastshouyi”,该怎么写循环？还是定义函数？代码如下：#-*-coding:utf-8-*-importpandasaspdimporttalibastaimportwarnings;warnings.simplefilter('ignore')#忽略可能会出现的警告信息，警告并不是错误，可以忽略；pd.set_option('expand_frame_repr',False)#当列太多时显示不清楚;显示所有列pd.set_option('display.max_rows',None)#显示所有行#读取数据df=pd.read_csv('D:\量化\训练营全量历史数据11-2\stock\sz300001.csv',encoding='gbk',skiprows=1,error_bad_lines=False)df=df[['交易日期','开盘价','股票代码','收盘价','最高价','最低价','前收盘价','成交量']]df['交易日期']=pd.to_datetime(df['交易日期'])#计算复权价发行价=df.at[0,'前收盘价']df['涨跌幅度']=(df['收盘价']-df['前收盘价'])/df['前收盘价']#计算第二天的涨跌幅度df['复权因子']=(df['涨跌幅度']+1).cumprod()#定义复权因子df['复权收盘价']=发行价*df['复权因子']最大涨幅=df['复权因子'].max()#找出最大值历史最高复权价=df['复权收盘价'].max()#找出最大值#计算移动均线EMA、MACD等ma_short=12#定义短期均线ma_long=26MID=9#定义中期天数volchange=1.5持仓天数=1#foriinrange(5,30,1):#x=idf['DIFF'],df['DEA'],df['MACD']=ta.MACD(df.收盘价,fastperiod=ma_short,slowperiod=ma_long,signalperiod=MID)df['MACD']=df['MACD']*2df=df.dropna(how='any')df.reset_index(inplace=True,drop=True)#重新索引condition1=(df['DIFF']>=df['DEA'])#当天的DIFF大于等于DEAcondition2=(df['DIFF'].shift(1)<df['DEA'].shift(1))#当天的DIFF大于等于DEAdf.loc[condition1&condition2,'买入信号']=1#计算仓位df['pos']=df['买入信号'].shift(1)#向上取值，当天仓位不变，第二天仓位变化df['pos'].fillna(method='ffill',limit=持仓天数,inplace=True)#持仓天数为变化值，按持仓天数来填充空值，填充几个数值就表示持有几天df['equity_change']=df['涨跌幅度']*df['pos']#计算资产变化df['equity_curve']=(df['equity_change']+1).cumprod()df['equity_curve1']=df['equity_curve'].fillna(method='ffill')col_n='交易日期','DIFF','DEA','MACD','复权收盘价','复权因子','equity_curve1','pos'#选取某些列，不用dropdf=pd.DataFrame(df,columns=col_n)last_shouyi=df['equity_curve1'].iloc[-1]df['复权因子2here']=df['复权因子'].expanding().max()print(last_shouyi)