Python 是否可以在没有循环的有序事件序列中选择正确的行？

示例行：

B1
S1
B2
B3/S2
B4
B5
B6/S4
S3

规则：

• 一行可以是B（买入）、S（卖出）或两者兼而有之
• 谁卖谁买都知道，反之亦然
• 买的是订单，卖的可能不是订单
• 当一次买入没有匹配的卖出时，所有后续买入都将被丢弃
• 我们想要所有的买入行，如果该行有卖出，则从该点到相应卖出行的所有买入行都将被丢弃

这可以通过一个简单的循环来完成，它跳过了重叠的购买，但是尝试用向量来实现这一点是很有挑战性的，我想知道这是否可能

我尝试过的最有希望的方法是填充买入指数和回填卖出指数，并理解可能的组合，尽管我不确定它们是否能给出一个独特的状态视图

示例的输出为：

B1
B2
B4

---

这里有一个建议，使用

pandas

。我不知道它是否比你正在做的更有效率，但如果目标是避免循环，我认为这会做到

我将假设您的买入/卖出数据可以分为两个数据帧，一个用于买入，一个用于卖出。我还为每个帧添加了一个“时间”列。即何时下订单进行买卖。将数据放在一个数据帧中，并将其拆分为上述两个数据帧可能是一个简单的练习，但我将跳过它

import pandas as pd

# Your data split into two frames (for instance, in df_buy, num=2, would be equivalent 
# to B2 occuring at the second, zero-indexed, time-step)
df_buy = pd.DataFrame({'Num': [1, 2, 3, 4, 5, 6],
                       'Time': [0, 2, 3, 4, 5, 6]})
# S1, S2, S4, S3 happening at time 1, 3, 6 and 7
df_sell = pd.DataFrame({'Num':[1, 2, 4, 3],
                        'Time': [1, 3, 6, 7]})

# Merge buy/sell to find all possible trades
df_trades = pd.merge(df_buy, df_sell, on='Num', suffixes=['_Buy', '_Sell'])
# Order all trades according to which time they would happen, i.e. time_sell.
# (or perhaps at max(time_sell, time_buy)?)
df_trades.sort_values(by='Time_Sell', inplace=True)

# Only trades that happen in increasing order would be allowed. So we filter
# out the trades that happen in decreasing order (ie. trade 3. cannot come 
# after trade 4)
df_final = df_trades[df_trades['Num'].sub(df_trades['Num'].shift(), fill_value=0)>=0]

# Here we have Num = 1, 2, 4 i.e. B1/S1, B2/S2 and B4/S4
Out[11]: 
   Num  Time_Buy  Time_Sell
0    1         0          1
1    2         2          3
3    4         4          6

---

你能添加你想要的输出吗？我添加了它，并稍微调整了示例，否则输出将只是B1，这提醒你指定当没有Sell时会发生什么。你的问题听起来很有顺序。

numpy

vectors背后的思想是将任务视为一个整体。几乎是以一种并行的方式，你不在乎先处理哪个元素。你是对的，但是发生重叠的可能性是有限的，我希望我知道一种工具，它允许我通过指定规则来绘制所有元素。可能有一组核心序列不经过迭代就无法识别，所以最好是通过向量化操作将其简化，然后在最小的序列集上进行迭代。感谢您的回答，但是这没有考虑到长交易和短交易之间的情况。如果按

time\u sell

（或

max

，在本例中无所谓）排序，则较长的交易显示在较短的交易之后，由于其指数较低，因此将被丢弃。确定。我怀疑可能有我没有涵盖的案例。由于时间序列如此短，很难找到一个涵盖所有问题的答案。但我明白，很难包含涵盖一切的数据系列。