使用Pandas Groupby+Pandas TA计算多标的EMA时解决行数膨胀问题

行数异常膨胀的核心原因是所有自定义计算函数都错误地引用了全局的self.data，而非处理分组后传入的子DataFrame：

• 每次执行groupby.apply()时，每个分组都会返回完整的原始数据集，最终拼接后的行数 = 分组数量 × 原始行数（38348 × 154 ≈ 590万）。
• 第二种方案中还存在重复计算EMA的问题：transform内部已经调用ta.ema，外层无需再套一层ta.ema。

方案一：使用Pandas TA Strategy（修正分组逻辑） #

修改计算函数，仅处理分组传入的子数据，而非全局数据集：

def calculate_ema(self, group_df):
    # 直接处理分组传入的子DataFrame，禁止引用self.data
    ema_strategy = ta.Strategy(
        name="EMA Calculator",
        description="Calculate 20-period EMA for high/low/close",
        ta=[
            {"kind": "ema", "close": "low", "length": 20, "suffix": 'Low'},
            {"kind": "ema", "close": "high", "length": 20, "suffix": 'High'},
            {"kind": "ema", "close": "close", "length": 20, "suffix": 'Close'},
        ]
    )
    group_df.ta.strategy(ema_strategy)
    return group_df

def calculate_indicator(self):
    df = self.data.copy()
    # group_keys=False避免生成额外的分组键层级
    df_processed = df.groupby(by=["symbol"], group_keys=False).apply(self.calculate_ema)
    self.data = df_processed
    return self.data

方案二：使用GroupBy Transform（更简洁高效） #

无需拆分多个函数，直接通过transform对每个分组计算EMA：

def calculate_indicator(self):
    df = self.data.copy()
    # 对每个symbol分组，分别计算三个字段的20周期EMA
    df['EMA_Low_20'] = df.groupby("symbol")['low'].transform(lambda x: ta.ema(x, length=20))
    df['EMA_High_20'] = df.groupby("symbol")['high'].transform(lambda x: ta.ema(x, length=20))
    df['EMA_Close_20'] = df.groupby("symbol")['close'].transform(lambda x: ta.ema(x, length=20))
    self.data = df
    return self.data

• 放弃在分组处理函数中使用self.data.copy()，仅操作传入的分组子数据。
• 移除重复的ta.ema调用：transform的lambda内部已完成EMA计算，外层无需再次包裹。
• 优先选择transform写法，代码更简洁，避免多函数合并时的潜在错误。

内容的提问来源于stack exchange，提问作者Algo Trader