Python Pandas：向量化方式清洗金融买卖交易信号

要实现符合要求的交易信号过滤，完全可以用Pandas的向量化操作完成，全程无需循环，效率拉满，步骤如下：

核心逻辑拆解 #

1. 先处理冲突信号：同一行同时出现买入和卖出信号时，直接将两者置为0（这种信号本身矛盾，无实际交易意义）
2. 计算实时持仓状态：通过信号的累积变化推导持仓（空仓=0，持仓=1）
3. 过滤无效重复信号：根据持仓状态，持仓时屏蔽后续买入信号，空仓时屏蔽后续卖出信号

完整代码实现 #

import pandas as pd

# 原始数据
df = pd.DataFrame(
    {
        "buy_signal": [1, 1, 1, 1, 0, 0, 1, 1, 1, 0],
        "sell_signal": [0, 0, 1, 1, 1, 0, 0, 0, 1, 0],
    }
)

# 1. 复制数据并处理同时存在买卖信号的冲突行
df_clean = df.copy()
conflict_mask = (df_clean['buy_signal'] == 1) & (df_clean['sell_signal'] == 1)
df_clean.loc[conflict_mask, ['buy_signal', 'sell_signal']] = 0

# 2. 计算持仓状态：买入+1，卖出-1，累积后限制在0-1区间（保证只有空仓/持仓两种状态）
position = (df_clean['buy_signal'] - df_clean['sell_signal']).cumsum().clip(0, 1)

# 3. 根据前一期持仓状态过滤无效信号：
#    前一期持仓时，当前买入信号无效；前一期空仓时，当前卖出信号无效
df_clean['buy_signal'] = df_clean['buy_signal'].where(position.shift(fill_value=0) == 0, 0)
df_clean['sell_signal'] = df_clean['sell_signal'].where(position.shift(fill_value=0) == 1, 0)

print(df_clean)

代码说明 #

• 冲突信号处理：用布尔掩码定位同时有买卖信号的行，直接批量赋值为0
• 持仓计算：通过buy_signal - sell_signal得到每一行的持仓变化，cumsum()累积得到持仓波动，clip(0,1)确保持仓状态只能是0或1（避免出现负数持仓或多次买入导致的持仓大于1）
• 信号过滤：用position.shift(fill_value=0)获取上一期的持仓状态，结合where方法批量将无效信号置为0，fill_value=0保证第一行的初始持仓为空仓

运行后输出结果完全符合期望：

buy_signal  sell_signal
0           1            0
1           0            0
2           0            1
3           0            0
4           0            0
5           0            0
6           1            0
7           0            0
8           0            1
9           0            0

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