如何用Pandas筛选股市多日异动个股的每轮首日数据？

核心需求 #

按个股分组，仅保留连续异动批次的首日数据：

• 若异动记录之间仅间隔休市日（周末/节假日），视为同一批次，仅留首日
• 若异动记录之间存在非休市的交易日（且无该个股异动记录），则后续异动视为新批次，保留新批次首日

实现步骤 #

假设已有包含symbol（个股代码）和date（异动日期）的DataFrame，具体操作如下：

1. 预处理：日期格式转换与排序

先确保日期列是datetime类型，并按个股+日期排序，保证数据顺序正确：

import pandas as pd

# 示例数据（替换为你的实际数据）
data = {
    'symbol': ['FOXO', 'FOXO', 'FOXO', 'FOXO', 'FOXO', 'FOXO', 'FOXO', 'FOXO', 'APPL', 'APPL', 'APPL'],
    'date': ['2022-12-22', '2022-12-23', '2022-12-27', '2022-12-29', '2022-12-30', '2023-01-03', '2023-01-04', '2023-01-05', '2023-01-03', '2023-01-04', '2023-01-05']
}
df = pd.DataFrame(data)

# 转换日期格式+排序
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values(['symbol', 'date']).reset_index(drop=True)

2. 标记异动批次

按个股分组，计算相邻异动日期之间的非休市交易日数量：

• 若数量>0：说明中间有交易日但无异动，标记为新批次
• 若数量=0：说明仅间隔休市日，属于同一批次

代码实现：

# 生成前一个异动日期
df['prev_date'] = df.groupby('symbol')['date'].shift(1)

# 计算两个异动日期之间的非休市交易日数量（不含首尾）
def count_business_days_between(row):
    if pd.isna(row['prev_date']):
        return 0
    # bdate_range生成工作日序列，inclusive='neither'排除首尾
    return len(pd.bdate_range(row['prev_date'], row['date'], inclusive='neither'))

df['business_days_between'] = df.apply(count_business_days_between, axis=1)

# 标记新批次：第一条记录 或 中间有非休市交易日
df['new_batch'] = (df['business_days_between'] > 0) | df['prev_date'].isna()

# 按个股累积新批次标记，生成批次ID
df['batch_id'] = df.groupby('symbol')['new_batch'].cumsum()

3. 筛选每个批次的首日

按个股+批次ID分组，保留每个组的第一条记录：

# 筛选结果并保留需要的列
result = df.groupby(['symbol', 'batch_id']).head(1)[['symbol', 'date']]

最终结果 #

运行后得到的result即为符合要求的数据：

内容的提问来源于stack exchange，提问作者a7dc