python - Pandas 按月计算交易数量

Question

我有一个数据框，其中包含在 long 列中进入/退出交易的信号，索引是日期。 long 看起来像这样(True 值表示您持仓，False 表示您不再持仓):

2010-01-04    False
2010-01-05    False
2010-01-06    False
2010-01-07    False
2010-01-08    False
2010-01-11    False
2010-01-12    False
2010-01-13    False
2010-01-14     True
2010-01-15     True
2010-01-19     True
2010-01-20     True
2010-01-21     True
2010-01-22     True
2010-01-25     True
2010-01-26     True
2010-01-27     True
2010-01-28     True
2010-01-29     True
2010-02-01     True
2010-02-02     True
2010-02-03     True
2010-02-04     True
2010-02-05     True
2010-02-08     True
2010-02-09     False
2010-02-10     True
2010-02-11     True
2010-02-12     False
2010-02-16     False

所以对于我的数据，我应该得到类似的输出

2010-01 1
2010-02 1

1 月 1 次，因为我们在 1 月进入交易并持有整个月的剩余时间，2 月 1 次，因为我们退出 1 月交易(不算新交易)但一天后我们确实开始了新的交易(假设我们在这个月剩下的时间里什么都没做

我有以下代码来计算分配的变化数量，但我不知道如何有效地按月拆分新交易的数量

longs = (df.long-df.long.shift()).ne(0)

在这种情况下，longs = 4，所以除以 2(每两个“跳动”代表一次交易的生命周期)将得到有效的交易数量

如何统计每月开始的交易数量？

Answer 1

您可以检查一个月内从 False 变为 True 的次数:

s = (df.long & ~df.long.shift().fillna(False)).astype(int)

然后就是 groupby 和 sum:

s.groupby(pd.Grouper(freq='MS')).sum()

2010-01-01    1
2010-02-01    1
Freq: MS, Name: flag, dtype: int32