如何基于if判断为Pandas DataFrame批量生成多列对应因子信号

实现代码 #

首先构造测试用DataFrame（替换为你自己的数据集即可）：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'factor_A': [0.0384, -0.0598, 0.8795],
    'factor_B': [-0.0565, 0.0967, 0.0254],
    'factor_C': [0.0964, 0.9156, -0.0853]
})

方法1：循环实现（可读性强，适合需要自定义额外逻辑的场景）

# 筛选所有前缀为factor_的因子列，可根据你的实际列命名规则调整匹配规则
factor_cols = df.filter(regex='^factor_').columns

for col in factor_cols:
    # 提取因子后缀，生成符合要求的信号列名
    suffix = col.split('_')[-1]
    signal_col = f"{col}_signal_{suffix}"
    # 向量化判断生成信号值，效率远高于逐行判断
    df[signal_col] = np.where(df[col] > 0, 1, -1)

方法2：assign批量生成（代码更简洁，无显式循环）

signal_map = {
    f"{col}_signal_{col.split('_')[-1]}": np.where(df[col] > 0, 1, -1)
    for col in df.filter(regex='^factor_').columns
}
df = df.assign(**signal_map)

处理结果示例 #

运行后得到的DataFrame结构如下：

补充说明 #

• 该方案支持任意数量的因子列，只要列命名符合统一规则，无需手动逐个编写判断逻辑
• 若你的因子列没有统一命名前缀，直接把df.filter(regex='^factor_').columns替换为你存储因子列名的列表即可
• 后续批量计算因子乘信号也可以用相同的循环逻辑实现：

for col in factor_cols:
    suffix = col.split('_')[-1]
    df[f"{col}_adjusted"] = df[col] * df[f"{col}_signal_{suffix}"]

内容的提问来源于stack exchange，提问作者Mike