如何用Pandas透视表高效实现全Strike组合的价格差值计算？

核心思路 #

利用NumPy的向量化广播实现高效计算，无需循环或复杂聚合，直接生成所有行权价组合的价格差值矩阵（可灵活控制差值计算方向）。

具体代码实现 #

假设你的原始DataFrame名为df，执行以下步骤：

import pandas as pd
import numpy as np

# 1. 提取核心数据：行权价序列和对应价格数组
strikes = df['Strike']
prices = df['Price'].values

# 2. 广播计算差值矩阵：行行权价的价格 - 列行权价的价格
# 若需要反向差值（列价格 - 行价格），改为 prices - prices[:, np.newaxis]
diff_matrix = prices[:, np.newaxis] - prices

# 3. 转换为目标格式的DataFrame
result_df = pd.DataFrame(
    diff_matrix,
    index=strikes,
    columns=strikes
)
# 设置行索引名称
result_df.index.name = 'Strike'

代码说明 #

• prices[:, np.newaxis]将一维价格数组转为二维列向量，与原一维数组触发广播运算，瞬间生成N×N的差值矩阵，效率远高于循环或aggfunc方式。
• 最终的result_df完全匹配你需要的矩阵结构，行和列均为行权价，单元格为对应价格差值。

测试验证 #

用你提供的测试数据运行代码：

# 测试数据
data = {
    'Strike': [15000, 15100, 15200],
    'Strike2': [15000, 15100, 15200],
    'Price': [100, 150, 170]
}
df = pd.DataFrame(data)

输出的result_df为：

Strike   15000  15100  15200
Strike                      
15000       0    -50    -70
15100      50      0    -20
15200      70     20      0

若需要你示例中的正向差值（列价格 - 行价格），只需将差值计算代码改为diff_matrix = prices - prices[:, np.newaxis]，即可得到：

Strike   15000  15100  15200
Strike                      
15000       0     50     70
15100     -50      0     20
15200     -70    -20      0

（注：你示例中15000行15200列的120、15200行15000列的-170应为笔误，正确差值为70和-70）

内容的提问来源于stack exchange，提问作者asimo