### 使用Python实现统计机构当日购入股票数量 为了实现这一目标，假设有一个包含交易记录的数据框 `df`，其中每一行代表一笔交易。该数据框至少应包含以下列： - `date`: 日期 - `institution`: 执行购买操作的机构名称 - `stock_code`: 股票代码 - `quantity`: 当日买卖的数量（正数表示买入，负数表示卖出） 下面是一个简单的例子，展示如何计算特定机构在某一天内净买入的总股份数量。 ```python import pandas as pd # 假设这是从数据库或其他来源加载得到的历史交易表 data = { 'date': ['2023-10-01', '2023-10-01', '2023-10-01', '2023-10-02'], 'institution': ['Institution A', 'Institution B', 'Institution A', 'Institution C'], 'stock_code': ['AAPL', 'GOOG', 'MSFT', 'AMZN'], 'quantity': [100, -50, 200, 75] } df = pd.DataFrame(data) def get_institution_daily_buy_volume(df, institution_name, target_date): """ 给定DataFrame、机构名以及目标日期， 返回指定机构在给定日期内的净买入股份数。 参数: df (pd.DataFrame): 包含交易详情的数据帧 institution_name (str): 需要查询的金融机构的名字 target_date (str or datetime.date): 查询的目标日期 返回: int: 净买入股份总数；正值意味着整体上是在买入，而负值则表明总体而言是卖出了这些股票 """ filtered_df = df[(df['date'] == str(target_date)) & (df['institution'] == institution_name)] net_quantity = filtered_df['quantity'].sum() return max(0, net_quantity) # 只返回买入部分 # 示例调用函数并打印结果 print(get_institution_daily_buy_volume(df, "Institution A", "2023-10-01")) ``` 此段代码定义了一个名为 `get_institution_daily_buy_volume()` 的函数，它接受三个参数：一个是存储有历史交易信息的数据框架 `df`，另一个是要查找的具体机构名称字符串形式的变量 `institution_name` 和最后一个是指定想要了解哪天情况的日期型变量 `target_date`。通过筛选符合条件的日志条目并对它们执行求和运算，可以得出所选机构当天总的净买入量[^1]。