如何遍历DataFrame按日期取当日首开盘价计算每日变化值？

原代码错误原因 #

你遇到的“truth value is ambiguous”错误，是因为if price_df.index.date == temp_df.index.date这行代码在比较两个日期序列，返回的是布尔数组而非单个布尔值，pandas无法直接判断这个数组的真假，所以抛出该错误。此外，循环中修改temp_df不会同步到原DataFrame，因为temp_df是切片生成的副本，最终原数据不会新增目标列。

最优解决方案 #

利用pandas的分组（groupby）和广播（transform）功能，无需循环即可高效处理多日数据，自动适配日期切换：

import pandas as pd
import datetime

# 确保Datetime列是索引且为datetime类型（若未处理）
# data['Datetime'] = pd.to_datetime(data['Datetime'])
# data.set_index('Datetime', inplace=True)

# 定义函数：获取当日9:30的开盘价，无数据则返回空值
def get_daily_open(group):
    daily_open_row = group[group.index.time == datetime.time(9, 30)]['Open']
    return daily_open_row.iloc[0] if not daily_open_row.empty else pd.NA

# 按日期分组，将每日开盘价广播到组内所有行
daily_open = data.groupby(data.index.date)['Open'].transform(get_daily_open)

# 计算Daily Change：当日9:30开盘价 / 当前区间开盘价 - 1
data['Daily Change'] = daily_open / data['Open'] - 1

代码说明 #

1. 分组广播：通过groupby(data.index.date)按自然日分组，transform会把每组的9:30开盘价复制到该组的所有行，实现日期自动切换。
2. 异常处理：如果某天没有9:30的行情数据，会返回pd.NA，避免报错。
3. 效率优势：相比循环，pandas原生分组操作处理大规模数据时速度更快，代码更简洁。

内容的提问来源于stack exchange，提问作者lmiller251