Pandas分组计算股价移动平均及占比：求高效优化实现方案

优化后代码 #

# 1. 计算20日滚动均线，自动对齐原DataFrame
prices_df['sma_20'] = prices_df.groupby('ticker')['closeadj'].transform(lambda x: x.rolling(20).mean())

# 2. 标记股价是否高于均线，布尔值转int更高效
prices_df['above_sma_20'] = (prices_df['closeadj'] > prices_df['sma_20']).astype(int)

# 3. 直接计算滚动252天的站线占比，省去额外除法步骤
prices_df['above_sma_20_pct'] = prices_df.groupby('ticker')['above_sma_20'].transform(lambda x: x.rolling(252).mean())

核心优化点 #

• 用transform替代手动索引对齐：原代码中groupby.rolling().reset_index(0, drop=True)需要手动处理索引，transform会自动返回与原DataFrame行对齐的结果，避免索引操作的额外开销，代码更简洁。
• 布尔值转int替代np.where：(closeadj > sma_20)直接生成布尔Series，调用.astype(int)比np.where更高效，Pandas对布尔类型的操作有底层优化。
• 滚动均值直接计算占比：原代码先求和再除以252，等价于直接对above_sma_20做滚动均值，减少一次中间列的生成与计算，节省内存和时间。

进阶优化（超大数据集场景） #

如果个股数量多、数据量极大，可额外做以下优化：

• 将ticker转为分类类型：prices_df['ticker'] = prices_df['ticker'].astype('category')，Pandas对分类类型的分组操作效率远高于字符串类型。
• 合并步骤减少中间列（若无需保留above_sma_20）：

prices_df['sma_20'] = prices_df.groupby('ticker')['closeadj'].transform(lambda x: x.rolling(20).mean())
prices_df['above_sma_20_pct'] = prices_df.groupby('ticker').apply(
    lambda g: (g['closeadj'] > g['sma_20']).rolling(252).mean()
).reset_index(0, drop=True)

内容的提问来源于stack exchange，提问作者ng150716