基于Pandas历史与当前金融数据新增Buy_Signal信号的实现咨询

实现代码 #

首先先处理StopLoss列的特殊标记（样例中存在[Cond]后缀，需先提取数值），再按规则生成信号列：

import pandas as pd

# 1. 处理StopLoss列的特殊标记，转为纯数值
df['StopLoss'] = df['StopLoss'].astype(str).str.replace(r'\s*\[.*\]', '', regex=True).astype(float)

# 2. 生成上一行的Buy、StopLoss偏移列
df['prev_Buy'] = df['Buy'].shift(1)
df['prev_StopLoss'] = df['StopLoss'].shift(1)

# 3. 生成判断掩码：当前行High > 当前行Buy
signal_mask = df['High'] > df['Buy']

# 4. 新增信号列，满足条件则赋值上一行对应值，否则为NaN
df['Buy_Signal_Buy'] = df['prev_Buy'].where(signal_mask)
df['Buy_Signal_StopLoss'] = df['prev_StopLoss'].where(signal_mask)

# 可选：删除中间临时列
df.drop(columns=['prev_Buy', 'prev_StopLoss'], inplace=True)

结果验证 #

对应你的样例数据，生成的信号列结果如下：

注意事项 #

• 第一行不存在上一行数据，因此无论是否满足条件，信号列均为NaN，符合逻辑
• 如果你的原始StopLoss列已经是纯数值，可跳过第一步的特殊字符处理步骤

内容的提问来源于stack exchange，提问作者Yatin Dave