如何用Pandas Pivot Table计算每笔买卖订单的盈亏？

我需要计算每行中每个交易标的对（BUY Order、SELL Order）的盈亏，我的DataFrame如下（附截图）。计算逻辑：

• 每个BROKERCODE对应交易标的的买卖行不一定成对；
• 部分BROKERCODE针对特定标的仅存在买入或卖出行（如第8、11行）；
• 找到买卖对时，盈亏=ORD_AMT(SELL)-ORD_AMT(BUY)；
• 无配对的行不计算PNL；
• QTY_FILLED为'0'的行忽略。

我尝试用Pandas PIVOT_TABLE未实现需求，求相关代码片段。

先过滤无效数据，再按分组匹配买卖对计算盈亏，代码如下：

import pandas as pd

# 1. 过滤掉QTY_FILLED为0的行（注意如果QTY_FILLED是数值类型，去掉引号）
df = df[df['QTY_FILLED'] != '0'].copy()

# 2. 按经纪商+交易标的分组，这里假设标的字段是SYMBOL，根据实际列名替换
grouped = df.groupby(['BROKERCODE', 'SYMBOL'])

# 3. 定义分组计算盈亏的函数
def calc_pair_pnl(group):
    # 拆分买入、卖出行
    buy_group = group[group['ORDER_TYPE'] == 'BUY'].reset_index(drop=True)
    sell_group = group[group['ORDER_TYPE'] == 'SELL'].reset_index(drop=True)
    
    # 取最小配对数
    pair_num = min(len(buy_group), len(sell_group))
    if pair_num == 0:
        group['PNL'] = None
        return group
    
    # 给配对的订单赋值盈亏
    for i in range(pair_num):
        pnl_val = sell_group.loc[i, 'ORD_AMT'] - buy_group.loc[i, 'ORD_AMT']
        # 对应到原分组的索引
        group.loc[buy_group.index[i], 'PNL'] = pnl_val
        group.loc[sell_group.index[i], 'PNL'] = pnl_val
    
    # 未配对的订单PNL设为None
    unpaired_idx = group.index.difference(buy_group.index[:pair_num].union(sell_group.index[:pair_num]))
    group.loc[unpaired_idx, 'PNL'] = None
    return group

# 4. 应用函数到所有分组，得到结果
result_df = grouped.apply(calc_pair_pnl).reset_index(drop=True)

代码说明 #

• 数据过滤：先排除QTY_FILLED为0的无效订单，避免干扰计算；
• 分组逻辑：按BROKERCODE+交易标的（需替换为你DataFrame中实际的标的列名）分组，确保同一经纪商同一标的的订单放在一起处理；
• 配对规则：采用按顺序配对（最早的买对应最早的卖），如果需要按金额/数量匹配，可修改buy_group和sell_group的排序规则（比如按成交时间排序）；
• 结果输出：配对的买卖订单会标记相同的盈亏值，未配对的订单PNL字段设为None。

如果你的DataFrame中订单类型字段不是ORDER_TYPE，或者标的字段不是SYMBOL，请自行替换为实际列名。

内容的提问来源于stack exchange，提问作者Srinivas