熊猫数据框中的编号元素

Question

我正在尝试建立一个以熊猫为单位的小型股票交易报告。 由于后续的买卖，它变得有点复杂。 假设我在一个数据框中进行买卖：

         import pandas as pd
         data = pd.read_csv("ticker1.csv", delimiter=";")
         data['cumsum']=data['quantity'].cumsum(axis=0)

         data
            Date              qty price      cumsum
         0  2018-01-20        80  20.70      80      
         1  2018-02-14        90  20.82     170      
         2  2018-02-19      -100  20.62      70     
         3  2018-02-27       -70  20.55       0     
         4  2018-03-13        30  19.80      30      
         5  2018-03-14        10  19.55      40      
         6  2018-03-30       -20  20.92      20      
         7  2018-04-01       -10  20.95      10      
         8  2018-04-10       -10  21.03       0      
         9  2018-05-04        25  19.77      25     
         10 2018-05-31       -10  20.22      15      

因此，只要cumsum = 0（没有卖空），就可以有“完整”的买卖周期。 在此示例中，最后的空头位置为15。 为了分析交易，我想像这样对它们进行分组：

            Date              qty price      cumsum   group 
         0  2018-01-20        80  20.70      80       1
         1  2018-02-14        90  20.82     170       1
         2  2018-02-19      -100  20.62      70       1
         3  2018-02-27       -70  20.55       0       1
         4  2018-03-13        30  19.80      30       2
         5  2018-03-14        10  19.55      40       2
         6  2018-03-30       -20  20.92      20       2
         7  2018-04-01       -10  20.95      10       2
         8  2018-04-10       -10  21.03       0       2
         9  2018-05-04        25  19.77      25       3
         10 2018-05-31       -10  20.22      15       3

我正在尝试将交易分组，直到下一次总和= = 0。 然后，我可以遍历分组以进行进一步的分析（例如，查看这是一次成功的交易还是失败的交易，从首次购买到最后一次交易之间的＃天等），并且我可以看到在这种情况下存在一个未结头寸时刻（如果累计值的最后一个值= 0）。

有人可以给我提示我如何实现分组吗？

谢谢

Answer 1

Series.cumsum()是，一种解决方案是在名为cumsum的列上应用Series.cumsum() ：

df['group'] = (df['cumsum'].shift() == 0).astype(int).cumsum() + 1
df

          Date  qty  price  cumsum  group
0   2018-01-20   80  20.70      80      1
1   2018-02-14   90  20.82     170      1
2   2018-02-19 -100  20.62      70      1
3   2018-02-27  -70  20.55       0      1
4   2018-03-13   30  19.80      30      2
5   2018-03-14   10  19.55      40      2
6   2018-03-30  -20  20.92      20      2
7   2018-04-01  -10  20.95      10      2
8   2018-04-10  -10  21.03       0      2
9   2018-05-04   25  19.77      25      3
10  2018-05-31  -10  20.22      15      3