Python 如何识别熊猫数据集中的特定序列（往返）？

我有一个简单但有挑战性的算法问题要解决

我有一个交易员-股票-日级别的数据集，我想确定数据中的往返。往返只是数据中的特定序列。也就是说，如果你在一段时间内累积单个i的股票s的持有头寸，那么一个往返过程以零净持有头寸开始和结束

例如：

pd.DataFrame({'trader' : ['a','a','a','a','a','a','a'],
              'stock' : ['a','a','a','a','a','a','b'],
              'day' :[0,1,2,4,5,10,1],
              'delta':[10,-10,15,-10,-5,5,6],
              'cumq' : [10,0,15,5,0,5,6] ,
              'tag': [1,1,2,2,2,0,0]})

输出

 Out[15]: 
   cumq  day  delta stock  tag trader
0    10    0     10     a    1      a
1     0    1    -10     a    1      a
2    15    2     15     a    2      a
3     5    4    -10     a    2      a
4     0    5     -5     a    2      a
5     5   10      5     a    0      a
6     6    1      6     b    0      a

在这里，您可以看到交易员

a

购买了两支股票（

a

和

b

）<代码>增量对应于给定日期购买或出售的数量。因此，您可以看到，我们在

股票a

（-10+10=0）和（+15-10-5=0）上有两个完整的往返行程，在

股票a

上有两个未完成的往返行程（+5个，在

股票b

）

我希望能够创建一个变量

标记

，告诉我这一点。也就是说，当往返未终止时，变量为0，并且对于给定的股票交易者组合中标识的第一、第二、第三等往返，取值1、2、3

你知道如何有效地做到这一点吗？ 非常感谢

编辑：

• 卖空是可能的。例如，卖出10、买入25、卖出25和买入10将是一次往返
• 可以在同一天执行往返：在这种情况下，增量将为零（事实上，您当天买卖的数量相同）。这意味着在数据中，多个每日往返可以相互跟踪。因此，往返行程的0边界是包含在内的。示例：今天买入10卖出10（delta=0），然后明天买入15卖出15（delta=0）。这些对应于两个不同的连续往返行程

提议的解决方案-似乎有效-非常缓慢

import pandas as pd
import numpy as np

df = pd.DataFrame({'trader' : ['a','a','a','a','a','a','a'],'stock' : ['a','a','a','a','a','a','b'], 'day' :[0,1,2,4,5,10,1],'delta':[10,-10,15,-10,-5,5,0] ,'out': [1,1,2,2,2,0,1]})

def proc_trader(_df):
    _df['tag'] = np.nan
    # make every ending of a roundtrip with its index
    _df['tag'][df.cumq == 0] = range(1, (_df.cumq == 0).sum() + 1)
    # backfill the roundtrip index until previous roundtrip;
    # then fill the rest with 0s (roundtrip incomplete for most recent trades)
    _df['tag'] = _df['tag'].fillna(method = 'bfill').fillna(0)
    return _df

df.sort_values(by=['trader', 'stock','day'], inplace=True)
df['cumq']=df.groupby(['trader', 'stock']).delta.transform('cumsum')
df = df.groupby(['trader', 'stock']).apply(proc_trader)

有什么想法吗？

---

非常感谢

我会这样做：

import pandas as pd
import numpy as np

df = pd.DataFrame({'trader' : ['a','a','a','a','a','a','a'],'stock' : ['a','a','a','a','a','a','b'], 'day' :[0,1,2,4,5,10,1],'delta':[10,-10,15,-10,-5,5,6], 'cumq' : [10,0,15,5,0,6,11] ,'tag': [1,1,2,2,2,0,0]})

def proc_trader(_df):
    if _df.shape[0] == 1:
        _df['tag'] = _df['delta'] == 0
        return _df

    _df['tag'] = np.nan
    # make every ending of a roundtrip with its index
    _df['tag'][df.cumq == 0] = range(1, (df.cumq == 0).sum() + 1)
    # backfill the roundtrip index until previous roundtrip;
    # then fill the rest with 0s (roundtrip incomplete for most recent trades)
    _df['tag'] = _df['tag'].fillna(method = 'bfill').fillna(0)
    return _df

df = df.groupby(['trader', 'stock']).apply(proc_trader)

---

这个想法是，每个交易者的记录都由一系列的往返组成，除了最后可能发生的情况；这假设了应该如何计算零增量周期。我们检测往返周期的所有结束，反向支撑指数，并用0填充剩余部分。

如何处理卖空？如果允许的话，一个在第二天买入10并卖出20的交易者的产出是多少？卖空将以负开始。假设你卖10，然后你买10。这是完全合法的，但是如果在同一天被划过呢？您是强制零并有重复的天数，还是只显示当天的净变化？谢谢，但我得到

值错误：当我运行您的代码时，替换的长度必须等于序列长度

我的错误。我选中了

groupby（'trader'）

，但没有选中

groupby（['trader'，'stock']）

。此编辑应适用于上述示例。这个错误来自于组大小为1（一个交易者对一个给定的证券执行一次交易）。嗨，Yakym，显然我仍然有同样的问题。请看我编辑的帖子。我想代码中有一些拼写错误：

df

而不是

\u df

。请看我编辑的帖子。