如何在Pandas中按分组获取N天后的实际股票价格

核心思路 #

要实现这个需求，关键是基于日期精准匹配（避免因节假日、缺失数据用行偏移导致的误差），通过日期运算+表连接的方式完成匹配。

具体实现代码 #

假设你的DataFrame名为df，目标天数N=30：

1. 转换日期格式：先把字符串类型的date列转为Pandas datetime类型，才能进行日期运算

import pandas as pd

# 转换日期列（匹配你的数据格式：日/月/年）
df['date'] = pd.to_datetime(df['date'], format='%d/%m/%y')

2. 计算目标日期：为每条记录生成N天后的目标日期

N = 30
df['target_date'] = df['date'] + pd.Timedelta(days=N)

3. 合并匹配未来价格：将原DataFrame与自身按ticker和target_date左连接，获取对应日期的价格

# 准备用于匹配的辅助数据集：保留关键列并重命名
price_lookup = df[['ticker', 'date', 'price']].rename(
    columns={'date': 'target_date', 'price': 'future_price'}
)

# 左连接保留所有原始记录，N天后无数据则显示NaN
result = df.merge(price_lookup, on=['ticker', 'target_date'], how='left')

可选简化方案（仅适用于日期连续场景） #

如果你的股票数据是每日连续无缺失的（每个交易日都有记录），可以用groupby+shift快速实现：

# 先按股票代码和日期排序
df = df.sort_values(['ticker', 'date'])
# 按股票分组后，取30行后的价格（对应N天后的记录）
df['future_price'] = df.groupby('ticker')['price'].shift(-N)

内容的提问来源于stack exchange，提问作者Alessandro Ceccarelli