如何识别Pandas数据集中的特定序列（往返）？

Question

我有一个简单但有挑战性的算法问题要解决。你知道吗

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行程。往返只是数据中的特定序列。也就是说，如果你累积了一段时间内个人i的股票持有头寸s，那么一个往返的起点和终点是一个零净持有头寸。你知道吗

举个例子：

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）。delta对应于某一天购买或出售的数量。所以你可以看到我们在stock a（-10+10=0）和（+15-10-5=0）上有两个完整的往返，在stock a上有两个未完成的往返（+5，在stock b上有+6）。你知道吗

我希望能够创建一个变量tag，告诉我这一点。也就是说，一个变量，当一个往返未终止时为0，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。你知道吗

你知道如何有效地做到这一点吗？ 非常感谢！你知道吗

编辑：

• 卖空是可能的。例如卖10，买25，卖25，买10就是一个来回。你知道吗
• 可以在同一天执行往返：在这种情况下，delta将为零（实际上，您在当天买卖相同的数量）。这意味着每天的几次往返可以在数据中相互跟踪。所以往返的0边界是包含在内的。例如：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

建议的解决方案-似乎奏效-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？ 多谢！！！！你知道吗

Answer 1

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，除了最后可能出现的情况；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，反向支持索引并用0填充其余部分