基于Pandas筛选ETF月度最后交易日数据并汇总月度成交量

核心思路 #

按ETF代码+年月分组，完成两个核心操作：

• 提取每组内最后一个交易日的行情数据（Open/Close/Low/High）
• 计算每组内的月度成交量总和，替换该交易日的Volume字段

步骤实现（假设你的DataFrame名为df，包含列：ETF_Code, Date, Open, Close, Low, High, Volume） #

1. 预处理：规范日期格式并排序
   先确保日期列是datetime类型，同时按ETF和日期升序排序，保证取到的是当月最后一个交易日：

import pandas as pd

# 转换日期列格式为datetime
df['Date'] = pd.to_datetime(df['Date'])
# 按ETF代码和日期升序排序
df = df.sort_values(by=['ETF_Code', 'Date'])

2. 计算月度成交量总和并匹配到对应行
   使用transform方法，给每行添加对应ETF当月的成交量总和：

# 按ETF+年月分组，生成月度成交量总和列
df['monthly_volume_sum'] = df.groupby(
    ['ETF_Code', df['Date'].dt.to_period('M')]
)['Volume'].transform('sum')

3. 筛选当月最后一个交易日并替换Volume
   分组取每组最后一行，再将原Volume替换为月度总和：

# 分组提取每月最后一个交易日的数据
monthly_result = df.groupby(
    ['ETF_Code', df['Date'].dt.to_period('M')]
).last().reset_index(drop=False)

# 替换Volume字段为月度总和，清理冗余列
monthly_result['Volume'] = monthly_result['monthly_volume_sum']
monthly_result = monthly_result.drop(columns=['monthly_volume_sum'])

关键注意事项 #

• 若Date列已是datetime类型，可跳过转换步骤，但排序必须保留，否则last()可能取到错误的行。
• 若同一ETF在同一天有多条数据，需额外处理（比如聚合当日行情），但常规行情数据不会出现这种情况。
• 最终结果可直接用于月度环比分析，比如计算收盘价环比：

  # 计算收盘价月度环比（百分比）
  monthly_result['Close_MoM'] = monthly_result.groupby('ETF_Code')['Close'].pct_change() * 100
  

内容的提问来源于stack exchange，提问作者Nino.Ninov