如何基于DataFrame列值绘制买卖场景下的连续数值变化趋势图

你要实现的库存累计走势计算，用np.where做向量化符号转换是最优的方案，比手动修改Sale行数值更简洁高效，完整实现代码如下： #

首先默认你的DataFrame列名为action（对应Buy/Sale标识）、trade_date（对应交易时间）、amount（对应交易数量）。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 加载数据后先做日期格式转换，方便后续绘图
df['trade_date'] = pd.to_datetime(df['trade_date'])
# 一步生成带正负的交易量：Buy为正，Sale为负
df['adjusted_amount'] = np.where(df['action'] == 'Buy', df['amount'], -df['amount'])
# 计算累计库存
df['inventory'] = df['adjusted_amount'].cumsum()

# 绘制走势图表
plt.figure(figsize=(12, 6))
plt.plot(df['trade_date'], df['inventory'], marker='o', linewidth=2, color='#165DFF')
plt.xlabel('交易日期')
plt.ylabel('当前库存')
plt.title('库存变动趋势图')
plt.xticks(rotation=45)
plt.grid(alpha=0.3)
plt.tight_layout()
plt.show()

方案优势 #

• 全程向量化操作，无需遍历修改原数据，哪怕百万级数据量也能毫秒级完成计算，性能远高于循环或者apply方案
• 逻辑清晰无歧义，不需要额外做数据切片改值，避免误改原数据的风险
• 代码简洁，核心计算逻辑只有2行

如果不想新增中间列adjusted_amount，也可以合并成一行计算：

df['inventory'] = np.where(df['action'] == 'Buy', df['amount'], -df['amount']).cumsum()

内容的提问来源于stack exchange，提问作者yuntres