如何在Pandas中计算当前时间15秒后的股票未来收益？

我有一个存储股票价格和时间的pandas DataFrame，time列类型为pd.datetime。示例代码如下：

import pandas as pd
df = pd.DataFrame([['2022-09-01 09:33:00', 100.], ['2022-09-01 09:33:14', 101.], ['2022-09-01 09:33:16', 99.4], ['2022-09-01 09:33:30', 100.9]], columns=['time', 'price'])
df['time'] = pd.to_datetime(df['time'])

初始DataFrame输出：

time  price
0 2022-09-01 09:33:00  100.0
1 2022-09-01 09:33:14  101.0
2 2022-09-01 09:33:16   99.4
3 2022-09-01 09:33:30  100.9

需要计算当前时间15秒后第一个价格与当前价格的差值（即未来收益），期望结果如下：

time  price  return
0 2022-09-01 09:33:00  100.0    -0.6  // 未来价格为99.4，间隔16秒
1 2022-09-01 09:33:14  101.0    -0.1  // 未来价格为100.9，间隔16秒
2 2022-09-01 09:33:16   99.4     NaN
3 2022-09-01 09:33:30  100.9     NaN

解决方案 #

方法1：使用pd.merge_asof（推荐） #

merge_asof专门用于时间序列的近似匹配，适合查找后续第一个符合时间条件的记录：

# 1. 生成每个时间点加15秒的目标时间列
df['future_time'] = df['time'] + pd.Timedelta(seconds=15)

# 2. 准备用于匹配的右表，仅保留时间和价格列并重命名价格列
right_df = df[['time', 'price']].rename(columns={'price': 'future_price'})

# 3. 左连接，按forward方向匹配第一个大于等于目标时间的价格
result = pd.merge_asof(df, right_df, left_on='future_time', right_on='time', direction='forward')

# 4. 计算收益并清理临时列
result['return'] = result['future_price'] - result['price']
result = result.drop(columns=['future_time', 'time_y']).rename(columns={'time_x': 'time'})

print(result)

输出结果：

time  price  future_price  return
0 2022-09-01 09:33:00  100.0          99.4    -0.6
1 2022-09-01 09:33:14  101.0         100.9    -0.1
2 2022-09-01 09:33:16   99.4           NaN     NaN
3 2022-09-01 09:33:30  100.9           NaN     NaN

方法2：使用searchsorted #

利用numpy的searchsorted找到目标时间在原时间列中的插入位置，再对应提取价格：

# 计算每个时间点加15秒后的目标时间
target_times = df['time'] + pd.Timedelta(seconds=15)

# 找到每个目标时间在原时间列中的插入索引
indices = df['time'].searchsorted(target_times, side='left')

# 根据索引获取未来价格，超出数据范围的设为NaN
future_prices = df['price'].reindex(indices).where(indices < len(df))

# 计算收益
df['return'] = future_prices - df['price']

print(df)

输出结果与期望完全一致：

time  price  return
0 2022-09-01 09:33:00  100.0    -0.6
1 2022-09-01 09:33:14  101.0    -0.1
2 2022-09-01 09:33:16   99.4     NaN
3 2022-09-01 09:33:30  100.9     NaN

注意：两种方法都要求原DataFrame的time列是升序排列的，如果数据无序，需先执行df = df.sort_values('time').reset_index(drop=True)。

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