如何識別熊貓數據集中的特定序列（往返）？

Question

我有一個簡單而又有挑戰性的算法問題需要解決。

我在交易員 - 股票 - 日級別有一個數據集，我想確定數據中的往返行程。往返只是數據中的特定序列。也就是說，如果您隨着時間的推移累計個人i的股票持有頭寸，則往返開始並以零淨持有頭寸結束。

一個例子：

pd.DataFrame({'trader' : ['a','a','a','a','a','a','a'], 
       'stock' : ['a','a','a','a','a','a','b'], 
       'day' :[0,1,2,4,5,10,1], 
       'delta':[10,-10,15,-10,-5,5,6], 
       'cumq' : [10,0,15,5,0,5,6] , 
       'tag': [1,1,2,2,2,0,0]}) 

輸出

Out[15]: 
    cumq day delta stock tag trader 
0 10 0  10  a 1  a 
1  0 1 -10  a 1  a 
2 15 2  15  a 2  a 
3  5 4 -10  a 2  a 
4  0 5  -5  a 2  a 
5  5 10  5  a 0  a 
6  6 1  6  b 0  a 

在這裏，你可以看到，交易商a買了兩隻股票（a和b）。 delta對應於某一天購買或出售的數量。所以你可以看到我們在stock a（-10 +10 = 0）和（+15 - 10 -5 = 0）和兩次未完成的往返（+ stock a和+6在stock b上）。

我希望能夠創建一個變量tag告訴我這一點。也就是說，只要往返行程沒有終止，變量爲0，並且在給定的證券交易者組合中識別的第一，第二，第三等往返行程的值爲1,2,3。

任何想法如何以有效的方式做到這一點？ 非常感謝！

編輯：

• 賣空是可能的。例如賣10，買25，賣25，買10會是一次往返。
• 往返可以在同一天執行：在這種情況下，德爾塔將爲零（實際上，您當天購買和銷售的數量相同）。這意味着數據中的每日往返可以相互跟隨。所以往返的0邊界是包容性的。例如：你今天買10，賣10（delta = 0），那麼你買15，明天賣15（delta = 0）。這些對應於兩個不同的連續往返

提出的解決方案 - 似乎工作 - 很慢

import pandas as pd 
import numpy as np 

df = pd.DataFrame({'trader' : ['a','a','a','a','a','a','a'],'stock' : ['a','a','a','a','a','a','b'], 'day' :[0,1,2,4,5,10,1],'delta':[10,-10,15,-10,-5,5,0] ,'out': [1,1,2,2,2,0,1]}) 

def proc_trader(_df): 
    _df['tag'] = np.nan 
    # make every ending of a roundtrip with its index 
    _df['tag'][df.cumq == 0] = range(1, (_df.cumq == 0).sum() + 1) 
    # backfill the roundtrip index until previous roundtrip; 
    # then fill the rest with 0s (roundtrip incomplete for most recent trades) 
    _df['tag'] = _df['tag'].fillna(method = 'bfill').fillna(0) 
    return _df 

df.sort_values(by=['trader', 'stock','day'], inplace=True) 
df['cumq']=df.groupby(['trader', 'stock']).delta.transform('cumsum') 
df = df.groupby(['trader', 'stock']).apply(proc_trader) 

任何想法？ 非常感謝!!!!

Answer 1

我會做這樣的事情：

import pandas as pd 
import numpy as np 

df = pd.DataFrame({'trader' : ['a','a','a','a','a','a','a'],'stock' : ['a','a','a','a','a','a','b'], 'day' :[0,1,2,4,5,10,1],'delta':[10,-10,15,-10,-5,5,6], 'cumq' : [10,0,15,5,0,6,11] ,'tag': [1,1,2,2,2,0,0]}) 

def proc_trader(_df): 
    if _df.shape[0] == 1: 
     _df['tag'] = _df['delta'] == 0 
     return _df 

    _df['tag'] = np.nan 
    # make every ending of a roundtrip with its index 
    _df['tag'][df.cumq == 0] = range(1, (df.cumq == 0).sum() + 1) 
    # backfill the roundtrip index until previous roundtrip; 
    # then fill the rest with 0s (roundtrip incomplete for most recent trades) 
    _df['tag'] = _df['tag'].fillna(method = 'bfill').fillna(0) 
    return _df 

df = df.groupby(['trader', 'stock']).apply(proc_trader) 

的想法是每個商人的紀錄由一系列中端除了可以往返的;這假定了一些關於如何計算零增量週期的內容。我們檢測往返時間段的所有末端，反向索引並用0填充其餘部分。