如何利用pandas对持仓、成交数据进行高级的数据处理
<h4><strong>简要说明</strong></h4>
<ul>
<li>
<h2>可使用ths_api包中提供的order_to_dataframe函数将持仓、成交数据转化为DataFrame格式，再通过pandas对数据进行更高级的处理。例如以下三个例子：
1.计算当日委托的每笔买入成交委托的所占仓位
2.计算持仓股的总累计盈亏
3.计算当日买入委托中已成交的股票总市值</h2>
</li>
</ul>
<h4><strong>1.计算当日委托的每笔买入成交委托的所占仓位</strong>：</h4>
<p><strong>示例代码</strong></p>
<pre><code>#!/usr/bin/env python
# -*- coding: utf-8 -*-
from ths_api import *
import pandas as pd
#显示所有列
pd.set_option('display.max_columns', None)
#显示所有行
pd.set_option('display.max_rows', None)
#设置value的显示长度为200，默认为50
pd.set_option('max_colwidth',200)
df = xd.order_to_dataframe(xd.g_fullorder) #请勿直接使用pandas的DataFrame函数，可能会出错。
print('全局全量委托表：', '\n', df, '\n')
zzc = xd.g_money['zzc']
print('总资产:', zzc, '\n')
df['所占仓位'] = df.apply(lambda x: x['cjjj'] * x['cjsl'] / zzc, axis=1) #每笔委托的成交数量*成交均价/总资产放在新的一列中
df2 = df.loc[df['cz'] == '买入']
print('包含各买入委托单所占仓位的委托表', '\n', df2)</code></pre>
<p><strong>运行结果</strong></p>
<pre><code>全局全量委托表：
bz cjjj cjsl cxsl cz gdzh htbh jysc wtjg wtrq \
0 全部成交 16.41 200 0 卖出 00107220280 1242710071 深圳Ａ股 16.41 20191023
1 全部成交 1.151 100 0 买入 A482940614 1242606557 上海Ａ股 1.152 20191023
2 全部成交 6.96 200 0 买入 A482940614 1242707129 上海Ａ股 6.96 20191023
3 未成交 0 0 0 买入 A482940614 1242712175 上海Ａ股 6.28 20191023
wtsj wtsl zqdm zqmc
0 10:13:38 200 000001 平安银行
1 09:45:05 100 515000 科技ETF
2 10:13:10 200 600812 华北制药
3 10:14:58 100 600812 华北制药
总资产: 200407.79
包含各买入委托单所占仓位的委托表
bz cjjj cjsl cxsl cz gdzh htbh jysc wtjg wtrq \
1 全部成交 1.151 100 0 买入 A482940614 1242606557 上海Ａ股 1.152 20191023
2 全部成交 6.96 200 0 买入 A482940614 1242707129 上海Ａ股 6.96 20191023
3 未成交 0 0 0 买入 A482940614 1242712175 上海Ａ股 6.28 20191023
wtsj wtsl zqdm zqmc 所占仓位
1 09:45:05 100 515000 科技ETF 0.000574
2 10:13:10 200 600812 华北制药 0.006946
3 10:14:58 100 600812 华北制药 0.000000 </code></pre>
<hr />
<h4><strong>2.计算持仓股的总累计盈亏（不含佣金等手续费）</strong></h4>
<p><strong>示例代码</strong></p>
<pre><code>#!/usr/bin/env python
# -*- coding: utf-8 -*-
from ths_api import *
import pandas as pd
#显示所有列
pd.set_option('display.max_columns', None)
#显示所有行
pd.set_option('display.max_rows', None)
#设置value的显示长度为200，默认为50
pd.set_option('max_colwidth',200)
df = pd.DataFrame(xd.g_position)
df = df.T #对df转置
print(df)
df.loc['Col_sum'] = df.apply(lambda x: x.sum())
print('持仓总盈亏：', df['yk']['Col_sum'])</code></pre>
<p><strong>运行结果</strong></p>
<pre><code> cbj djsl gdzh gpye hbdw jksz jysc kyye sj sjsl \
000001 16.598 0 00107220280 1400 0 深圳Ａ股 1400 16.39 1400
002813 25.418 0 00107220280 200 0 深圳Ａ股 200 25.2 200
002886 22.088 0 00107220280 400 0 深圳Ａ股 400 24.48 400
300033 101.06 0 00107220280 100 0 深圳Ａ股 100 98.37 100
515000 1.148 100 A482940614 300 0 上海Ａ股 200 1.152 300
600812 6.959 0 A482940614 200 0 上海Ａ股 200 6.96 200
sz yk zqdm zqmc
000001 22946 -290.96 000001 平安银行
002813 5040 -43.52 002813 路畅科技
002886 9792 956.99 002886 沃特股份
300033 9837 -269.04 300033 同花顺
515000 345.6 1.2 515000 科技ETF
600812 1392 0.19 600812 华北制药
持仓总盈亏： 354.85999999999996</code></pre>
<hr />
<h4><strong>3.计算当日买入委托中已成交的股票总市值</strong>：</h4>
<p><strong>示例代码</strong></p>
<pre><code>#!/usr/bin/env python
# -*- coding: utf-8 -*-
from ths_api import *
df0 = xd.order_to_dataframe(xd.g_fullorder) #请勿直接使用pandas的DataFrame函数，可能会出错。
print(df0)
df = df0.loc[df0['cz'] == '买入']
api = hq.ths_hq_api() #行情实例
sum_sz = 0
for indexs in df.index:
code = df.loc[indexs]['zqdm']
quote = api.get_quote(code) #获取code的最近一个分时行情数据
price = quote[code]['price']
sum_sz = sum_sz + price * float(df.loc[indexs]['cjsl'])
print('%s最新价：%.2f' % (code, price))
print('当日买入委托中已成交的股票总市值：',sum_sz)</code></pre>
<p><strong>运行结果</strong></p>
<pre><code> bz cjjj cjsl cxsl cz gdzh htbh jysc wtjg wtrq \
0 全部成交 16.41 200 0 卖出 00107220280 1242710071 深圳Ａ股 16.41 20191023
1 全部成交 1.151 100 0 买入 A482940614 1242606557 上海Ａ股 1.152 20191023
2 全部成交 6.96 200 0 买入 A482940614 1242707129 上海Ａ股 6.96 20191023
3 未成交 0 0 0 买入 A482940614 1242712175 上海Ａ股 6.28 20191023
wtsj wtsl zqdm zqmc
0 10:13:38 200 000001 平安银行
1 09:45:05 100 515000 科技ETF
2 10:13:10 200 600812 华北制药
3 10:14:58 100 600812 华北制药
000001最新价：16.42
515000最新价：1.15
600812最新价：6.84
600812最新价：6.84
当日买入委托中已成交的股票总市值： 4767
</code></pre>