Python实现滚动透视表：找出滚动周期内成交量最高的tradePrice

我来帮你解决这个问题——结合你已经实现的1分钟周期版本，我们可以轻松扩展到任意滚动时间窗口（比如10分钟、5分钟等）的计算，最终得到你想要的结果结构。

先理清楚核心需求 #

你需要的是：针对每个时间点，回溯指定长度的滚动时间窗口（比如过去10分钟），找出窗口内成交量总和最高的成交价，同时输出该成交价对应的总成交量，最终输出类似这样的DataFrame：

你已经用groupby+自定义函数实现了1分钟周期的计算，我补全了你没写完的函数逻辑：

def f(x): # 找出POC价格和对应成交量
    # 按成交价分组，计算每组的总成交量（比单纯统计次数更准确）
    price_vol_sum = x.groupby('tradePrice')['tradeVolume'].sum()
    top_price = price_vol_sum.idxmax()
    top_vol = price_vol_sum.loc[top_price]
    return pd.Series([top_price, top_vol], index=['Price', 'Volume'])

滚动窗口的具体实现步骤 #

要支持任意时间周期的滚动计算，我们可以用pandas的rolling方法结合自定义聚合函数，具体操作如下：

1. 先处理时间列格式 #

这是使用时间窗口的前提，确保你的时间列是datetime格式，最好设为索引方便后续操作：

import pandas as pd

# 假设你的时间列名为'timestamp'
df['timestamp'] = pd.to_datetime(df['timestamp'])
df = df.set_index('timestamp')

2. 定义滚动聚合函数 #

这个函数会接收滚动窗口内的子DataFrame，计算出窗口内成交量最高的成交价及对应总成交量：

def rolling_poc(window_data):
    # 按成交价分组，求和每组的成交量
    price_total_vol = window_data.groupby('tradePrice')['tradeVolume'].sum()
    # 找出成交量最大的成交价
    highest_vol_price = price_total_vol.idxmax()
    # 获取对应的总成交量
    highest_volume = price_total_vol.loc[highest_vol_price]
    # 返回结果系列
    return pd.Series([highest_vol_price, highest_volume], index=['Price', 'Volume'])

3. 应用滚动窗口计算 #

用rolling指定时间窗口，比如'10T'代表10分钟（T是分钟的缩写，你可以换成'5T'、'1H'等任意周期），然后应用上面的函数：

# raw=False表示传入函数的是完整的DataFrame而非数组
rolling_results = df.rolling(window='10T').apply(rolling_poc, raw=False)

# 重置索引，把时间列放回DataFrame中，方便查看
rolling_results = rolling_results.reset_index().rename(columns={'timestamp': 'Time'})

4. 性能优化小技巧 #

如果你的数据量很大，直接用rolling+自定义函数可能会有点慢，可以先做一层预聚合（比如按1分钟粒度聚合相同价格的成交量），再进行滚动计算，能大幅提升运行速度：

# 先按1分钟+成交价聚合，减少后续计算的数据量
pre_aggregated = df.groupby([pd.Grouper(freq='1T'), 'tradePrice'])['tradeVolume'].sum().reset_index()
# 再对预聚合后的数据应用滚动计算
rolling_results = pre_aggregated.set_index('timestamp').rolling(window='10T').apply(rolling_poc, raw=False)

结果验证 #

你可以把输出的rolling_results和Excel透视表对比，比如02:10:00 AM这个时间点，滚动窗口包含了02:00到02:10的所有数据，此时成交量最高的成交价是12549.5，对应成交量95，和你预期的结果完全一致。

内容的提问来源于stack exchange，提问作者Giladbi