Pandas按天分组计算分钟K线每日VWAP的实现方法

核心逻辑 #

按已有日期字段分组后，对每个交易日的1分钟K线独立执行VWAP累积计算，避免跨天数据干扰计算结果。

高效实现代码 #

假设你的日期标识列名为trade_date，可直接使用下方向量化计算方案，性能远高于逐组apply：

# 计算单根K线的成交量*典型价格中间值
df['pv'] = df['v'] * (df['h'] + df['l']) / 2
# 按日期分组分别做累积求和后相除，得到每日滚动VWAP
df['daily_vwap'] = df.groupby('trade_date')['pv'].cumsum() / df.groupby('trade_date')['v'].cumsum()

如果你不需要保留中间列pv，也可以合并为单一行写法：

df['daily_vwap'] = df.groupby('trade_date').apply(
    lambda x: (x.v*(x.h+x.l)/2).cumsum() / x.v.cumsum()
).reset_index(level=0, drop=True)

注意事项 #

• 请将代码中的trade_date替换为你实际使用的日期列名称
• 计算前请确认数据集已经按「日期+时间」升序排列，否则累积求和的结果会不符合预期
• 第一种全向量化写法性能最优，即使处理数百万行级别的1分钟K线数据也不会有明显延迟

内容的提问来源于stack exchange，提问作者jdkealy