如何非循环实现DataFrame向量化计算股票3日高低比指标

问题背景 #

我正在构建包含历史股价与动量指标的股票CSV文件，此前采用双层循环处理2500万行DataFrame添加指标，耗时长达30-36小时，效率极低。

需求目标 #

计算当日（x日）Low值与x+1至x+4日High最大值的比值（即(x+1~x+4日High最大值) / x日Low），要求完全抛弃原有的循环遍历方式，改用pandas向量化操作实现。

原低效循环代码：

stock_ticker_list = df.Symbol.unique()
for ticker in stock_ticker_list:
    print(ticker)
    stock_df = df.loc[df.Symbol == ticker]
    start = stock_df.index[stock_df['Symbol'] == ticker][0]
    for x in range(start, start + len(stock_df) - 2):
        try:
            high = stock_df.loc[x+1:x+4, "High"].max(axis=0)  
            low =  stock_df.loc[x, "Low"] 
            df2.loc[x,"H/L"] = high/low
        except:
            df2.loc[x,"H/L"] = pd.NA

错误分析 #

尝试用以下代码创建后续3日最高值列时出现ValueError: The truth value of a Series is ambiguous：

s = stock_df["High"] 
stock_df['Three_day_high'] = max([s.diff(-1),s.diff(-2),s.diff(-3)]) + s

原因是Python内置max()函数无法直接比较多个Series——Series间的比较会返回布尔Series，无法判断其整体真值，必须使用pandas提供的向量化元素级最大值计算方法。

解决方案 #

核心思路是利用groupby按股票分组（避免不同股票时间序列混淆），结合rolling滚动窗口计算后续4日High的最大值，最后完成除法运算：

完整代码示例 #

import pandas as pd

# 假设df为原始2500万行DataFrame，包含Symbol、High、Low列
# 1. 按股票分组，计算后续4日High的最大值
# rolling(window=4)计算连续4个值的最大值，shift(-4)将结果向上偏移4位，对应当前行的x+1~x+4区间
df['future_4d_high_max'] = df.groupby('Symbol')['High']\
    .rolling(window=4, min_periods=1).max()\
    .shift(-4)\
    .reset_index(level=0, drop=True)

# 2. 计算H/L指标
df['H/L'] = df['future_4d_high_max'] / df['Low']

# 3. 可选：将NaN转换为pd.NA（适配pandas nullable类型）
df['H/L'] = df['H/L'].astype('Float64')

关键说明 #

• groupby('Symbol')：确保每个股票的时间序列独立计算，不会出现跨股票的区间最大值
• rolling(window=4, min_periods=1)：计算连续4个High值的最大值，min_periods=1保证即使后续不足4天也能返回已有数据的最大值
• shift(-4)：将滚动窗口的结果向上偏移4位，使得当前行对应后续4天（x+1到x+4）的最大值
• 向量化操作完全避免了循环，利用pandas的C优化底层实现，处理2500万行数据的耗时会大幅降低（通常在几十分钟内完成）

内容的提问来源于stack exchange，提问作者Joel J.