如何基于布尔逻辑修改Pandas DataFrame的strike列值为季度行权价

没问题，我来帮你实现这个需求。这里有两种高效的方法来处理你的DataFrame，按照你指定的规则转换strike列：

方法1：使用Pandas的apply函数 #

这种方法代码直观，适合快速实现：

import pandas as pd

# 构建你的原始DataFrame
data = {
    'code': ['CBT_21_G2015_S']*6,
    'date': ['2015-01-02']*6,
    'type': ['C', 'P', 'C', 'P', 'P', 'C'],
    'strike': [126.2, 131.7, 102.5, 110.5, 101.2, 140.5],
    'settlement': [1.343750, 4.359375, 24.671875, 0.015625, 0.015625, 0.015625]
}
df = pd.DataFrame(data)

# 应用规则：若strike不能被0.25整除，则加0.05
df['strike'] = df['strike'].apply(lambda x: x + 0.05 if x % 0.25 != 0 else x)

方法2：使用Numpy的向量化操作（推荐大数据量场景） #

向量化操作比apply效率更高，适合处理大规模数据集：

import pandas as pd
import numpy as np

# 同样先构建原始DataFrame
data = {
    'code': ['CBT_21_G2015_S']*6,
    'date': ['2015-01-02']*6,
    'type': ['C', 'P', 'C', 'P', 'P', 'C'],
    'strike': [126.2, 131.7, 102.5, 110.5, 101.2, 140.5],
    'settlement': [1.343750, 4.359375, 24.671875, 0.015625, 0.015625, 0.015625]
}
df = pd.DataFrame(data)

# 向量化处理规则
df['strike'] = np.where(df['strike'] % 0.25 != 0, df['strike'] + 0.05, df['strike'])

修改后的结果 #

处理完成后，你的DataFrame会变成这样：

可以看到，所有不符合季度行权价规则的strike值都被调整为0.25的倍数了，完全符合你的要求。

内容的提问来源于stack exchange，提问作者steff