基于列条件的Pandas Groupby求和：计算各Symbol持仓盈亏

原始数据 #

给定的初始DataFrame如下：

import pandas as pd

df = pd.DataFrame({'Position':['Entry','Partial','Partial','Partial','Entry','Partial','Partial','Entry','Partial'],
                   'Symbol':['AA','AA','AA','AA','BB','BB','BB','CC','CC'],
                   'Action':['Sell','Buy','Buy','Buy','Buy','Sell','Sell','Sell','Buy'],
                   'Quantity':['4','2','1','1','2','1','1','1','1'],
                   'Price':['2.1','1.5','2.2','1','4.6','5.1','4.5','1','1.1']})

处理步骤 #

1. 转换数值类型 #

将Quantity和Price列从字符串转为浮点型，用于后续计算：

df[['Quantity', 'Price']] = df[['Quantity', 'Price']].astype(float)

2. 生成交易组标识 #

以Position列的Entry为分界，为每个独立交易周期（Entry到下一个Entry前）分配唯一组号：

df['Group'] = (df['Position'] == 'Entry').cumsum()

3. 按组统计核心指标 #

按组聚合，提取每组的标的Symbol、开仓方向（Entry行的Action）、Sell总金额、Buy总金额：

grouped_stats = df.groupby('Group').agg(
    Symbol=('Symbol', 'first'),
    Entry_Action=('Action', 'first'),
    Total_Sell=('Price', lambda x: sum(df.loc[x.index, 'Price'] * df.loc[x.index, 'Quantity'] * (df.loc[x.index, 'Action'] == 'Sell'))),
    Total_Buy=('Price', lambda x: sum(df.loc[x.index, 'Price'] * df.loc[x.index, 'Quantity'] * (df.loc[x.index, 'Action'] == 'Buy')))
).reset_index(drop=True)

4. 计算盈亏 #

根据每组的开仓方向选择对应公式计算盈亏：

• 开仓为Sell：盈亏 = 卖出总金额 - 买入总金额
• 开仓为Buy：盈亏 = 卖出总金额 - 买入总金额（若需调整为买入减卖出，可直接修改公式）

grouped_stats['Profit_Loss'] = grouped_stats.apply(
    lambda row: row['Total_Sell'] - row['Total_Buy'],
    axis=1
)

最终输出 #

提取Symbol和盈亏结果：

print(grouped_stats[['Symbol', 'Profit_Loss']])

输出结果：

Symbol  Profit_Loss
0     AA          2.2
1     BB          0.4
2     CC         -0.1

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