如何用Pandas从OHLC DataFrame计算上月最低价并添加至原表（代码失效）

方法一：使用resample + shift + reindex #

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'date': ['2022-03-01', '2022-03-02', '2022-04-01', '2022-04-02'],
                   'price': [10, 8, 5, 7]})

# 转换日期格式并设置为索引
df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)

# 计算每月最低价，然后将结果后移一个周期（对应上月最低价匹配到本月）
monthly_low = df.resample('M')['price'].min()
prev_month_low = monthly_low.shift(periods=1)

# 将上月最低价重新索引匹配原DataFrame的日期，用ffill填充（本月内所有日期共享上月最低价）
df['prev_month_low'] = prev_month_low.reindex(df.index, method='ffill')

print(df)

方法二：使用Grouper + transform + shift #

如果不需要单独保存每月最低价，也可以用分组的方式直接计算：

import pandas as pd

df = pd.DataFrame({'date': ['2022-03-01', '2022-03-02', '2022-04-01', '2022-04-02'],
                   'price': [10, 8, 5, 7]})

df['date'] = pd.to_datetime(df['date'])

# 按月份分组计算最低价，然后后移一个周期，再映射回原DataFrame
df['month'] = df['date'].dt.to_period('M')
monthly_low = df.groupby('month')['price'].min().shift(1)
df['prev_month_low'] = df['month'].map(monthly_low)

# 可以删除临时的month列
df.drop('month', axis=1, inplace=True)
print(df)

原代码问题解析 #

1. 索引shift错误：原代码手动修改索引时，将月末日期shift到下月末，但原DataFrame的日期是月初，导致后续匹配时找不到对应键，引发KeyError。正确的做法是用shift(periods=1)直接将上月最低价对应到本月。
2. 日期匹配逻辑错误：原函数中date - pd.offsets.MonthBegin(1)得到的是当月月初，而previous_month_low的索引是下月末，两者无法匹配。
3. 效率问题：使用apply逐行处理日期，相比Pandas的矢量化操作（如reindex、map）效率低很多，尤其处理大数据量时差距明显。

运行修正后的代码，输出结果如下：

price  prev_month_low
date                             
2022-03-01     10             NaN
2022-03-02      8             NaN
2022-04-01      5             8.0
2022-04-02      7             8.0

（注：3月没有上月数据，所以显示NaN，符合逻辑）

内容的提问来源于stack exchange，提问作者user2345694