Python pandas下按指定条件为Dataframe生成position列的实现方法

• 首先识别所有符合开仓条件的节点：当行满足signal == 1 且 Closeprice > ATR时标记为开仓点，同时记录该节点的ATR值作为后续平仓的判断阈值
• 将开仓点的ATR值向前填充到后续所有行，直到出现下一个开仓点为止，保证持仓期间始终用开仓时的ATR作为平仓判断标准
• 逐行更新持仓状态：开仓点直接将position设为1，持仓期间如果Closeprice低于对应开仓时的ATR值则将position设为0，无信号时保持上一期的持仓状态即可

以下为向量化实现方案，性能远高于逐行遍历，适合大样本量数据：

import pandas as pd
import numpy as np

# 假设你的原始DataFrame为df，已包含signal、Closeprice、ATR三列
# 1. 标记开仓点，记录开仓时的ATR阈值
df['is_entry'] = (df['signal'] == 1) & (df['Closeprice'] > df['ATR'])
df['entry_atr_val'] = np.where(df['is_entry'], df['ATR'], np.nan)

# 2. 前向填充开仓ATR值，覆盖整个持仓周期
df['hold_exit_threshold'] = df['entry_atr_val'].ffill()

# 3. 初始化持仓状态
df['position'] = 0

# 4. 标记平仓点：上一期为持仓状态，且当期收盘价跌破开仓ATR阈值
df['is_exit'] = (df['position'].shift(1) == 1) & (df['Closeprice'] < df['hold_exit_threshold'])

# 5. 生成最终position列：开仓设1，平仓设0，其余时间保持上一期状态
df['position'] = np.where(
    df['is_entry'], 1,
    np.where(df['is_exit'], 0, df['position'].shift(1).fillna(0))
)

# 清理辅助列（可选）
df.drop(columns=['is_entry', 'entry_atr_val', 'hold_exit_threshold', 'is_exit'], inplace=True)

• 上述实现默认不支持连续开仓，第一次开仓后直到平仓前，后续的开仓信号会被忽略，符合普通单标的单仓位的交易逻辑，若需要支持多仓位叠加，可调整开仓阈值的记录逻辑，为每个开仓信号单独跟踪平仓条件
• 实现中使用shift(1)避免了未来函数，所有判断仅使用当期及历史数据，适配量化回测和实盘信号生成的要求
• 若你的数据存在涨跌停、停盘等异常价格场景，可在开平仓判断条件中额外添加价格有效性校验逻辑即可

内容的提问来源于stack exchange，提问作者Kire