DataFrame计算VWAP与TradingView结果不一致，如何匹配Anchor Session设置？

你当前代码的核心问题是没有匹配TradingView的锚定周期重置逻辑：你用了全量DataFrame的累计求和，而TradingView的VWAP会在每个锚定周期开始时清空累计值重新计算，调整方法如下：

调整步骤 #

1. 先确认你TradingView中VWAP指标的锚定周期设置，根据锚定类型生成分组键
   不同锚定周期对应的分组键生成逻辑（以pandas为例，要求timestamp列为datetime类型且时区和交易所一致）：

• Session（交易日）：按日期分组 df['anchor_group'] = df['timestamp'].dt.date
• Week（周）：按周周期分组 df['anchor_group'] = df['timestamp'].dt.to_period('W')
• Month（月）：按月周期分组 df['anchor_group'] = df['timestamp'].dt.to_period('M')
• Quarter（季度）：按季度周期分组 df['anchor_group'] = df['timestamp'].dt.to_period('Q')
• Year（年）：按年周期分组 df['anchor_group'] = df['timestamp'].dt.to_period('Y')
• 事件类锚定（财报/分红/拆股）：提前整理事件时间点，将两个相邻事件时间区间内的K线划分为同一分组

2. 把原代码的全量累计求和改为分组内累计求和
   修改后的完整代码示例：

# 1. 生成分组键，此处以Session（交易日）锚定为例，可根据实际锚定类型修改
df['anchor_group'] = df['timestamp'].dt.date

# 2. 计算典型价格、价量乘积（逻辑和原代码一致）
df['Typ_Price'] = (df['high'] + df['low'] + df['close']) / 3
df['Typ_PriceVol'] = df['Typ_Price'] * df['volume']

# 3. 分组计算累计值，每个锚定周期结束后自动重置累计
df['Cum_Vol_Price'] = df.groupby('anchor_group')['Typ_PriceVol'].cumsum()
df['Cum_Vol'] = df.groupby('anchor_group')['volume'].cumsum()

# 4. 计算VWAP
df['VWAP'] = df['Cum_Vol_Price'] / df['Cum_Vol']

额外对齐注意事项 #

• 确保你的K线数据时区和TradingView使用的交易所时区完全一致，时区偏移会导致分组边界错误，进而影响累计结果
• 如果TradingView开启了「包含盘前盘后数据」选项，你本地的K线数据也要包含对应时段的交易数据，不要过滤盘前盘后K线
• 检查成交量单位是否和TradingView一致，部分数据源的成交量单位是手，TradingView默认用股，单位不统一也会导致结果偏差

内容的提问来源于stack exchange，提问作者Hawks