我正在尝试建立一个熊猫的小型股票交易报告。由于后续的买卖,它变得有点复杂。 假设我在一个数据框中进行买卖:
import pandas as pd
data = pd.read_csv("ticker1.csv", delimiter=";")
data['cumsum']=data['quantity'].cumsum(axis=0)
data
Date qty price cumsum
0 2018-01-20 80 20.70 80
1 2018-02-14 90 20.82 170
2 2018-02-19 -100 20.62 70
3 2018-02-27 -70 20.55 0
4 2018-03-13 30 19.80 30
5 2018-03-14 10 19.55 40
6 2018-03-30 -20 20.92 20
7 2018-04-01 -10 20.95 10
8 2018-04-10 -10 21.03 0
9 2018-05-04 25 19.77 25
10 2018-05-31 -10 20.22 15
因此,只要cumsum = 0(没有卖空),就可以有“完整”的买卖周期。在此示例中,最后的空头位置为15。 为了分析交易,我想像这样对它们进行分组:
Date qty price cumsum group
0 2018-01-20 80 20.70 80 1
1 2018-02-14 90 20.82 170 1
2 2018-02-19 -100 20.62 70 1
3 2018-02-27 -70 20.55 0 1
4 2018-03-13 30 19.80 30 2
5 2018-03-14 10 19.55 40 2
6 2018-03-30 -20 20.92 20 2
7 2018-04-01 -10 20.95 10 2
8 2018-04-10 -10 21.03 0 2
9 2018-05-04 25 19.77 25 3
10 2018-05-31 -10 20.22 15 3
我正在尝试将交易分组,直到下一次总和= = 0。 然后,我可以遍历分组以进行进一步的分析(例如,查看这是一次成功的交易还是失败的交易,从首次购买到最后一次交易之间的#天等),并且我可以看到在这种情况下存在一个未结头寸时刻(如果累计值的最后一个值= 0)。
有人可以给我提示我如何实现分组吗?
谢谢
答案 0 :(得分:2)
巧合的是,一种解决方案是在名为Series.cumsum()
的列上应用cumsum
:
df['group'] = (df['cumsum'].shift() == 0).astype(int).cumsum() + 1
df
Date qty price cumsum group
0 2018-01-20 80 20.70 80 1
1 2018-02-14 90 20.82 170 1
2 2018-02-19 -100 20.62 70 1
3 2018-02-27 -70 20.55 0 1
4 2018-03-13 30 19.80 30 2
5 2018-03-14 10 19.55 40 2
6 2018-03-30 -20 20.92 20 2
7 2018-04-01 -10 20.95 10 2
8 2018-04-10 -10 21.03 0 2
9 2018-05-04 25 19.77 25 3
10 2018-05-31 -10 20.22 15 3