如何使用Python Pandas按id分组计算能量潮(OBV)指标

解决步骤 #

1. 先确保数据排序
   OBV的计算严格依赖时间顺序，必须先按id和last_updated升序排列，保证每个币种的行按时间先后排列：

df = df.sort_values(by=['id', 'last_updated']).reset_index(drop=True)

2. 分组计算OBV增量
   在id分组内部执行收盘价的偏移对比，得到每行对应的成交量增量：

• 分组内close.shift(1)只会取同id的上一行收盘价，不会跨id取值
• 每个id的第一行没有前序收盘价，默认增量为当日成交量

import numpy as np

# 计算增量
df['obv_delta'] = np.where(
    df.groupby('id')['close'].shift(1) < df['close'], 
    df['volume'],
    np.where(
        df.groupby('id')['close'].shift(1) > df['close'],
        -df['volume'],
        0
    )
)

# 补全每个分组第一行的增量为当日成交量
df.loc[df.groupby('id').cumcount() == 0, 'obv_delta'] = df['volume']

# 分组内累加得到OBV
df['OBV'] = df.groupby('id')['obv_delta'].cumsum()

# 可选：删除中间增量列
df = df.drop('obv_delta', axis=1)

原代码问题说明 #

你之前的写法是对全局DataFrame做shift和cumsum，所以id=2的第一行会取id=1最后一行的收盘价做对比，累计值也会承接id=1的结果。现在把偏移、累加操作都放在groupby('id')的内部，就会仅在每个id的分组内独立计算，完全不会跨组干扰。
该方案全程使用向量化运算，没有显式for循环，适合大数据量场景使用。

内容的提问来源于stack exchange，提问作者Lars