基于红利再投资计划调整股票持仓数的Pythonic实现方案问询

需求说明 #

基于红利再投资计划（DRIP）调整模拟投资组合的持仓股数，规则为：

• 每次分红时，用当前持仓股数 × 分红金额 ÷ 当前股价得到新增股份，累加到原持仓中
• 未分红时，持仓股数保持上一期数值不变

示例数据 #

import pandas as pd

vals = [38.46429771,
       46.01712878,
       38.89251387,
       33.89977144,
       27.66171419,
       38.03103652,
       31.26521149,
       35.82193894,
       49.47433244,
       33.60148345,]

divi = [0, 0, 1, 0, 0, 1, 0, 0, 1, 0]

shares = [30,0,0,0,0,0,0,0,0,0]

sample = pd.DataFrame(data=zip(vals, divi,shares),
             index = range(0,10), columns=['Open', 'Dividends', 'share_count'])

示例DataFrame结构：

原循环实现 #

cum_val = []
x = max(sample.share_count)
t = []

for d, sc, op in zip(sample.Dividends, sample.share_count, sample.Open):
    divi = (x*d)/op
    t = divi+x
    cum_val.append(t)
    if t > x:
        x = t
    else:
        pass

更Pythonic的矢量化实现 #

利用pandas的矢量化操作和累计乘积cumprod()，完全避免循环，代码更简洁高效：

# 获取初始持仓股数
initial_shares = sample['share_count'].iloc[0]

# 计算每个时间点的持仓乘数：分红时为1 + 分红/股价，未分红时为1
sample['multiplier'] = 1 + sample['Dividends'] / sample['Open']

# 计算累计持仓：初始股数 × 累计乘数
sample['share_count'] = initial_shares * sample['multiplier'].cumprod()

实现逻辑说明 #

1. 乘数计算：每个时间点的持仓变化倍数，未分红时倍数为1（持仓不变），分红时倍数为1 + 分红金额/当前股价（原持仓 + 新增股份）
2. 累计乘积：cumprod()会计算从第一个时间点到当前时间点的乘数乘积，本质是把每一次的持仓变化连续叠加
3. 结果赋值：用初始持仓乘以累计乘数，直接得到每个时间点的最终持仓数

优势 #

• 代码更简洁可读，符合pandas的惯用写法
• 矢量化操作比Python循环效率更高，尤其当数据量较大时性能提升明显
• 避免手动维护循环中的状态变量（如原代码中的x），减少出错概率

内容的提问来源于stack exchange，提问作者canconfirm24