股票多周期卖出信号整合及日线信号加入dfall的技术咨询

看起来你已经搞定了5/15/60分钟级信号的匹配，现在卡在日线信号的合并上对吧？别担心，核心问题是日线数据和分钟级数据的时间对齐——日线是单日一条记录，而分钟级是日内多条，我们需要把日线信号映射到对应日期的所有分钟级数据上，然后就能统一判断多周期信号了。

步骤1：预处理日线数据 #

首先确保你的日线DataFrame（比如叫df_daily）有两个关键列：

• 日期列（比如'Date'，格式为YYYY-MM-DD）
• 日线信号列（比如'Signal_D'，卖出信号为-1）

如果日期是索引，先转成列并统一格式：

df_daily.reset_index(inplace=True)
# 把日期转成纯日期类型（忽略时分秒）
df_daily['Date'] = df_daily['Date'].dt.date

步骤2：将日线信号合并到dfall #

接下来处理你的dfall（包含5/15/60分钟信号的DataFrame），提取每条记录对应的日期，然后和日线数据做匹配：

方法A：用merge做左连接（推荐） #

# 先把dfall的时间列转成纯日期格式（假设你的时间列叫'Timestamp'）
dfall['Date'] = dfall['Timestamp'].dt.date

# 左连接日线数据，把对应日期的Signal_D合并进来
dfall = pd.merge(dfall, df_daily[['Date', 'Signal_D']], on='Date', how='left')

方法B：用map快速映射 #

如果df_daily的Date是唯一索引，可以用更简洁的映射方式：

# 先把df_daily设置Date为索引
df_daily.set_index('Date', inplace=True)
# 提取dfall的日期，直接映射日线信号
dfall['Signal_D'] = dfall['Timestamp'].dt.date.map(df_daily['Signal_D'])

两种方法都能把日线信号Signal_D成功加入dfall，现在dfall就有Signal_5、Signal_15、Signal_60、Signal_D四个信号列了。

步骤3：实现多周期卖出条件判断 #

现在可以用高效的向量操作（比iterrows快N倍）筛选出所有周期都满足卖出信号的记录：

# 定义卖出条件：四个周期的信号全部等于-1
sell_condition = (dfall['Signal_5'] == -1) & \
                 (dfall['Signal_15'] == -1) & \
                 (dfall['Signal_60'] == -1) & \
                 (dfall['Signal_D'] == -1)

# 筛选满足条件的记录，提取日期和收盘价
sell_signals = dfall.loc[sell_condition, ['Date', 'Close']]

# 去重（同一天可能有多个分钟级记录满足，只保留一条）
sell_signals = sell_signals.drop_duplicates(subset='Date').reset_index(drop=True)

为什么不用iterrows？ #

iterrows是逐行遍历，对于大数据量的分钟级数据效率极低，用pandas的向量布尔索引能快几十倍甚至上百倍，而且代码更简洁易读。

验证结果 #

最后打印sell_signals，就能得到你要的所有周期同一天出现卖出信号的日期和收盘价了。

内容的提问来源于stack exchange，提问作者Fredrick Chege