如何用Python Pandas为全量市场数据按月度生成交易日序号？

直接使用pandas的groupby结合cumcount()方法即可实现全量数据集的按月交易日序号生成，这是最简洁高效的方案：

核心代码 #

如果你的日期是DataFrame的索引（如示例所示）：

df['trading_day'] = df.groupby([df.index.year, df.index.month]).cumcount() + 1

如果日期是单独的列（列名为Date）：

df['trading_day'] = df.groupby([df['Date'].dt.year, df['Date'].dt.month]).cumcount() + 1

原理说明 #

• groupby([year, month])会将数据按「年份-月份」分组，精准对应每个自然月的交易日数据；
• cumcount()会为每个分组内的行生成从0开始的连续整数，加1后就得到从1开始的交易日序号，和你单月测试时用range(1, len(df_test)+1)的效果完全一致；
• 这个方法自动跳过非交易日（因为你的数据集只有交易日数据），不需要额外处理日历日和交易日的匹配问题。

为什么之前的方法失败 #

你之前用pd.Grouper(freq='M')分组后尝试.transform(add(1))无效，是因为add(1)只是简单的数值加法，无法生成组内递增序号，而cumcount()是pandas专门为分组场景设计的序号生成工具。

内容的提问来源于stack exchange，提问作者David Hajes