如何用Python Pandas高效识别客户持仓的买卖交易？

需求说明 #

处理包含多日期客户股票持仓的数据集，需标记两类行为：

• 买入：股票在当前日期的客户持仓中出现，但在上一期持仓中未出现
• 卖出：股票在当前日期的客户持仓中存在，但在下一期持仓中消失

示例数据 #

import pandas as pd

df = pd.DataFrame({
    'Date_ID': [1,1,1,1,2,2,2,2,2,2,3,3,3,3],
    'Person': ['a', 'a', 'b', 'b', 'a', 'a', 'a', 'a', 'b', 'b', 'a', 'a', 'a', 'b'],
    'Stock': ['x1', 'x2', 'x2', 'x3', 'x1', 'x2', 'x3', 'x4', 'x2', 'x3', 'x1', 'x2', 'x3', 'x3']
})

高效实现方案 #

避免循环，利用Pandas的groupby、shift和集合操作实现：

1. 排序数据
   先按客户和日期排序，确保时间顺序正确，这是后续对比的基础：

   df = df.sort_values(['Person', 'Date_ID']).reset_index(drop=True)
   

2. 生成客户-日期的持仓股票集合
   将每个客户在每个日期的持仓股票转为集合，方便快速判断股票是否存在：

   person_date_stocks = df.groupby(['Person', 'Date_ID'])['Stock'].apply(set).reset_index(name='Stock_Set')
   

3. 获取上下期持仓集合
   通过groupby+shift，为每个客户的当前日期匹配上一期和下一期的持仓集合：

   person_date_stocks['Prev_Stock_Set'] = person_date_stocks.groupby('Person')['Stock_Set'].shift(1)
   person_date_stocks['Next_Stock_Set'] = person_date_stocks.groupby('Person')['Stock_Set'].shift(-1)
   

4. 合并回原数据集
   将上下期持仓集合关联到每条持仓记录：

   df = df.merge(person_date_stocks, on=['Person', 'Date_ID'])
   

5. 标记买入行为
   客户第一期的所有持仓默认是买入；非第一期则判断当前股票是否不在上期持仓集合中：

   df['bought'] = df.apply(
       lambda row: row['Stock'] not in row['Prev_Stock_Set'] if pd.notna(row['Prev_Stock_Set']) else True,
       axis=1
   )
   

6. 标记卖出行为
   客户最后一期的持仓没有下期，所以不标记卖出；非最后一期则判断当前股票是否不在下期持仓集合中：

   df['sell'] = df.apply(
       lambda row: row['Stock'] not in row['Next_Stock_Set'] if pd.notna(row['Next_Stock_Set']) else False,
       axis=1
   )
   

7. 清理中间列（可选）
   删除用于计算的临时列，保留核心数据：

   df = df.drop(['Stock_Set', 'Prev_Stock_Set', 'Next_Stock_Set'], axis=1)
   

最终结果示例 #

执行后得到的数据集如下：

内容的提问来源于stack exchange，提问作者John