使用pandas实现多行存储交易持仓订单的单订单单行格式重塑
交易持仓类多行订单合并为单行的落地方案
你此前运行的df.melt(id_vars=['order #'])无法得到预期结果,核心原因是工具方法的转换方向完全匹配错误:melt的作用是将宽表转为长表,而你的需求是将分散为多行的长表订单记录,聚合为单条订单对应单行的宽表结构。
行类型识别规则
处理过程中不需要硬卡“单订单固定2行记录”的逻辑,需先通过交易类型字段做行类区分,兼容单订单超过2条记录的场景:
- 开仓类记录:交易类型取值为
buy/sell的行,承载开仓时间、订单规模、基础方向类型、开仓时点的账户余额 - 平仓类记录:交易类型取值为
close的行,承载平仓时间、对应订单的浮动/已实现盈利、平仓完成后的账户余额
对同订单下出现多条开仓/多条平仓的场景,统一取时间最早的开仓记录、时间最晚的平仓记录做匹配,避免分批开平仓的信息错位
实现步骤
1. 拆分数据子集
先将原始数据集按行类拆分为两个独立子集,同时提前重命名待提取字段,避免后续合并出现字段重名冲突:
# 拆分开仓记录子集 open_df = df[df['交易类型'].isin(['buy', 'sell'])].copy() open_df = open_df.rename(columns={ '交易时间': '开仓时间', '交易类型': '订单类型', '账户余额': '开仓时点账户余额' }) # 拆分平仓记录子集 close_df = df[df['交易类型'] == 'close'].copy() close_df = close_df.rename(columns={ '交易时间': '平仓时间', '账户余额': '平仓后账户余额' })
2. 适配多记录去重
针对单订单对应超过2条记录的情况,对两个子集做按订单号的排序去重,保证每个订单仅对应一条有效开仓、一条有效平仓记录:
# 开端子集:按开仓时间排序后,每个订单取最早的开仓记录 open_df = open_df.sort_values('开仓时间').groupby('order #', as_index=False).first() # 平仓子集:按平仓时间排序后,每个订单取最晚的平仓记录 close_df = close_df.sort_values('平仓时间').groupby('order #', as_index=False).last()
3. 关联生成最终单行订单结构
以order #(订单号)为关联键做合并,输出要求的全字段结构:
final_order_df = pd.merge( open_df[['order #', '开仓时间', '订单规模', '订单类型', '开仓时点账户余额']], close_df[['order #', '平仓时间', '订单盈利', '平仓后账户余额']], on='order #', how='outer' # 保留尚未完成平仓的持仓订单,对应平仓类字段自动填充空值 )
避坑提示
- 不要依赖固定行号偏移的方式匹配开平仓行(例如示例中订单#1对应第0行开仓、第6行平仓的对应关系),只要单订单记录数超过2条就会出现全量匹配错位
- 若输出字段仅需要“对应账户余额”,直接取平仓后账户余额即可,不需要重复叠加开仓时点的余额字段
- 长表转宽表的同类场景优先考虑
pivot、分组聚合、键值关联的方法,melt的转换方向与当前需求完全相反,无法直接适用
内容的提问来源于stack exchange,提问作者Khaled Koubaa
相关产品推荐
相关产品推荐

