Python 在数据框中创建ID列

我有一个包含交易日志的数据框。我的问题是，我没有任何ID来匹配股票的买卖。该股票可以交易多次，我想有一个ID来匹配每个完成的交易。 我的原始数据帧是带有时间戳的顺序timeseries数据帧。下面的例子说明了我的问题，我需要按顺序匹配和识别交易的股票。 非常简单的示例：

df1 = pd.DataFrame({'stock': ['A', 'B', 'C', 'A','C', 'A', 'A'],
                        'deal': ['buy', 'buy', 'buy', 'sell','sell', 'buy', 'sell']}) 
df1
Out[84]: 
  stock  deal
0     A   buy
1     B   buy
2     C   buy
3     A  sell
4     C  sell
5     A   buy
6     A  sell   
    

这是我想要的输出：

df1 = pd.DataFrame({'stock': ['A', 'B', 'C', 'A','C', 'A', 'A'],
                    'deal': ['buy', 'buy', 'buy', 'sell','sell', 'buy', 'sell'],
                    'ID': [1, 2, 3, 1,3, 4, 4]}) 


df1
Out[82]: 
  stock  deal  ID
0     A   buy   1
1     B   buy   2
2     C   buy   3
3     A  sell   1
4     C  sell   3
5     A   buy   4
6     A  sell   4

有什么想法吗？

试试这个：

m = df1['deal'] == 'buy'
df1['ID'] = m.cumsum().where(m)
df1['ID'] = df1.groupby('stock')['ID'].ffill()

df1

输出：

  stock  deal   ID
0     A   buy  1.0
1     B   buy  2.0
2     C   buy  3.0
3     A  sell  1.0
4     C  sell  3.0
5     A   buy  4.0
6     A  sell  4.0

enter code here
    stock  deal  id
0     A   buy   1
1     B   buy   2
2     C   buy   3
3     A  sell   1
4     C  sell   3
5     A   buy   4
6     A  sell   4

详情：

• 创建一个布尔级数，如果deal等于“buy”，则为True
• Cumsum并分配给“ID”以购买记录
• 使用groupby和ffill将“ID”分配给下一个“sell”记录购买 “股票”

试试这个：

import pandas as pd
df1 = pd.DataFrame({'stock': ['A', 'B', 'C', 'A','C', 'A', 'A'],
                'deal': ['buy', 'buy', 'buy', 'sell','sell', 'buy', 'sell']})

def sequential_buy_sell_id_generator(df1):

    column_length = len(df1["stock"])
    found = [0]*column_length
    id = [0]*column_length

    counter = 0

    for row_pointer_head in range(column_length):
        if df1["deal"][row_pointer_head]=="buy":
            id[row_pointer_head]= counter
            counter+=1
            found[row_pointer_head] = 1
            id[row_pointer_head]= counter

            for row_pointer_tail in range(row_pointer_head+1, column_length):

                if df1["stock"][row_pointer_head]== df1["stock"][row_pointer_tail] and df1["deal"][row_pointer_tail] =="sell" and found[row_pointer_tail] == 0:
                    found[row_pointer_tail] = 1
                    id[row_pointer_tail]= counter
                    break

    df1 = df1.assign(id = id) 
    return df1


print(sequential_buy_sell_id_generator(df1))

输出：

  stock  deal   ID
0     A   buy  1.0
1     B   buy  2.0
2     C   buy  3.0
3     A  sell  1.0
4     C  sell  3.0
5     A   buy  4.0
6     A  sell  4.0

enter code here
    stock  deal  id
0     A   buy   1
1     B   buy   2
2     C   buy   3
3     A  sell   1
4     C  sell   3
5     A   buy   4
6     A  sell   4

另一个例子：

For df1 = pd.DataFrame({'stock': ['A', 'B', 'C', 'A','C', 'A', 'A'],
                'deal': ['buy', 'buy', 'buy', 'buy','sell', 'sell', 'sell']})
  stock deal    ID
0   A   buy     1
1   B   buy     2
2   C   buy     3
3   A   buy     4
4   C   sell    3
5   A   sell    1
6   A   sell    4

---

没有数量，这是一个徒劳的目标。例如，一个人可以在今天购买A股，明天再购买更多，然后在第三天全部卖出。或者在再次买入之前卖出一半头寸。或者你可以通过卖空来打开一个头寸。这只是一个简单的例子，原始的df包含了你提到的内容。我已经办妥了。好评论！那么你可能应该根据累计数量为零的时间来确定你的标识符。你能添加一个例子作为答案吗，我不确定我是否能理解。很高兴upvoteI可以稍后添加一个。对于数据df1=pd.DataFrame（{'stock'：['a'，'B'，'C'，'a'，'C'，'C'，'a'，'deal'：[“买”、“买”、“买”、“买”、“卖”、“卖”]]，输出是：股票交易ID 0 A buy 1.0 1 B buy 2.0 2 C buy 3.0 3 A buy 4.0 4 C sell 3.0 5 A sell 4.0 6 A sell 4.0，这是错误的。是的，按交易类型排序交易不适用于此代码，但如果按时间戳排序交易，则会起作用。啊，非常好的Mahir.Trouted，结果不同。对你来说最后一个示例结果是：打印（顺序买入卖出id生成器（df1））股票交易id 0 A买入1 B买入2 C买入3 A买入4 C卖出0 5 A卖出0 6 A卖出0第二个“如果”后面的代码中存在缩进错误子句，在stackoverflow中上载代码时发生。请立即查看代码在本笔记本中查找代码：