pandas DataFrame交替买卖交易行如何无需循环向量化合并为单条记录

有两种简洁的向量化实现方案，均不需要逐行循环，性能远优于手动遍历： #

方案1：分组聚合实现（推荐） #

利用索引构造交易分组ID，直接通过分组聚合一次性提取对应字段：

import pandas as pd

# 原始数据
values = pd.DataFrame({
    'Date': ['2010-01-03', '2011-02-06', '2012-03-06', '2012-05-15', '2013-04-12', '2014-03-18'],
    'Signal': [1, -1, 1, -1, 1, -1],
    'Close': [100, 103, 106, 108, 111, 114]
})

# 构造交易分组ID，每两行对应一个完整交易
values['trade_id'] = values.index // 2 + 1

# 命名聚合直接生成目标结构
new_data = values.groupby('trade_id').agg(
    Begin_Date = ('Date', 'first'),
    End_Date = ('Date', 'last'),
    Trade_Open = ('Close', 'first'),
    Trade_Close = ('Close', 'last')
).reset_index(names='Trade')

# 调整列名匹配要求
new_data = new_data.rename(columns={
    'Begin_Date': 'Begin Date',
    'End_Date': 'End Date',
    'Trade_Open': 'Trade Open',
    'Trade_Close': 'Trade Close'
})

方案2：拆分合并实现 #

按奇偶索引拆分买入、卖出行后直接拼接：

# 提取所有买入行（索引为偶数）、卖出行（索引为奇数）
buy = values.iloc[::2].reset_index(drop=True)
sell = values.iloc[1::2].reset_index(drop=True)

# 拼接生成目标表
new_data = pd.DataFrame({
    'Trade': range(1, len(buy)+1),
    'Begin Date': buy['Date'],
    'End Date': sell['Date'],
    'Trade Open': buy['Close'],
    'Trade Close': sell['Close']
})

注意事项 #

以上两种方案默认原始数据严格遵循「买入-卖出」交替的顺序，且不存在缺失配对。如果实际数据可能存在配对异常，可先通过分组校验Signal字段的合法性：

# 校验每个交易组的信号是否符合 买入(1)+卖出(-1) 的规则
valid_check = values.groupby('trade_id')['Signal'].agg(lambda x: (x.iloc[0]==1) and (x.iloc[1]==-1)).all()
if not valid_check:
    print("存在异常配对的交易数据，请先清洗后再合并")

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