基于两列日期过滤Pandas DataFrame并处理交易日问题

1. 基础预处理：日期列转换与排序 #

首先必须确保日期列是可处理的datetime类型，且数据按交易日有序排列，这是后续计算的核心前提：

import pandas as pd
import numpy as np

# 转换TradeDate为datetime格式
df['TradeDate'] = pd.to_datetime(df['TradeDate'])
# 按交易日排序并重置索引，避免原索引干扰
df_sorted = df.sort_values('TradeDate').reset_index(drop=True)

2. 构建有序交易日索引 #

提取所有唯一交易日生成索引对象，用于快速定位日期位置：

trade_dates = df_sorted['TradeDate'].unique()
date_index = pd.Index(trade_dates)

3. 两种常见筛选场景的实现 #

场景1：筛选单个/指定多个交易日的前后5个交易日 #

比如要筛选2023-06-15前后5个交易日的数据：

target_date = pd.to_datetime('2023-06-15')
# 获取目标日期在交易日索引中的位置
pos = date_index.get_loc(target_date)
# 处理边界：避免索引越界（比如第一个日期前无足够交易日）
start_pos = max(0, pos - 5)
end_pos = min(len(date_index) - 1, pos + 5)
# 获取符合条件的交易日范围
selected_dates = date_index[start_pos:end_pos + 1]
# 筛选最终数据
filtered_df = df_sorted[df_sorted['TradeDate'].isin(selected_dates)]

场景2：为每笔交易筛选其前后5个交易日（合并去重） #

如果需要保留所有交易对应的前后5个交易日数据，最终合并去重：

# 获取每笔交易日期在索引中的位置
positions = date_index.get_indexer(df_sorted['TradeDate'])
# 计算每个日期对应的前后5个交易日的索引范围
start_positions = np.maximum(0, positions - 5)
end_positions = np.minimum(len(date_index) - 1, positions + 5)
# 收集所有需要保留的交易日索引并去重
selected_indices = np.unique(np.concatenate([np.arange(s, e+1) for s, e in zip(start_positions, end_positions)]))
selected_dates = date_index[selected_indices]
# 筛选结果
filtered_df = df_sorted[df_sorted['TradeDate'].isin(selected_dates)]

核心注意事项 #

• 禁用自然日计算：交易日剔除了周末和节假日，直接用date + pd.Timedelta(days=5)会包含非交易日，导致筛选错误。
• 强制边界处理：当目标日期是序列前5个或后5个交易日时，必须限制索引范围，避免抛出越界异常。
• 大数量优化：数据量极大时，优先使用向量化操作（如上述场景2的numpy实现）替代循环，大幅提升运行效率。

内容的提问来源于stack exchange，提问作者IamaNOOB