基于交易类型条件将Pandas Series中sharesTraded值转为负数

原代码存在的问题 #

• 用for循环遍历DataFrame列不符合Pandas的设计逻辑，效率极低，且df['transactionType'].item()只会获取列的第一个元素，无法遍历判断每一行的交易类型
• replace('-', '')是替换字符串中的-符号，完全没有实现“将数值转为负数”的逻辑，且Pandas的replace默认不修改原DataFrame，需要赋值或指定inplace=True

正确实现方式 #

推荐使用Pandas的向量化操作，比循环高效得多，同时能准确匹配条件：

方法1：布尔索引直接赋值

import pandas as pd
import json

# 加载数据
data = json.load(open("AAPL22_trades.json"))
df = pd.DataFrame.from_dict(data)

# 针对两种交易类型，将对应sharesTraded转为负数
sell_mask = df['transactionType'].isin(['Sell', 'Automatic Sell'])
df.loc[sell_mask, 'sharesTraded'] = df.loc[sell_mask, 'sharesTraded'] * -1

方法2：使用np.where生成新列（或覆盖原列）

import pandas as pd
import numpy as np
import json

data = json.load(open("AAPL22_trades.json"))
df = pd.DataFrame.from_dict(data)

# 保留原列的话可以新建列，比如df['adjusted_shares']，直接覆盖就用原列名
df['sharesTraded'] = np.where(
    df['transactionType'].isin(['Sell', 'Automatic Sell']),
    df['sharesTraded'] * -1,
    df['sharesTraded']  # 非卖出类型保持原值，应对后续买入数据
)

说明 #

• isin(['Sell', 'Automatic Sell'])可以一次性匹配两种交易类型，避免重复判断
• 向量化操作会自动处理每一行数据，无需手动循环，性能远优于for循环
• 代码保留了非卖出类型的原值，完美适配后续可能新增的买入数据

内容的提问来源于stack exchange，提问作者kiestuthridge23