基于条件的DataFrame滚动10年均价计算及Pandas索引报错求助

我来帮你逐个搞定这两个问题——先解决你遇到的iloc索引报错，再处理核心的10年价格均值计算+标识列需求。

一、修复ValueError：iloc索引使用错误 #

这个报错的原因很直观：iloc是基于整数位置的索引工具，你传入了datetime对象（date1）和列名字符串，完全不符合它的参数要求，所以触发了 ValueError。

修正方案 #

根据你的数据结构，分两种情况处理：

情况1：df_dates2的索引是日期类型

如果你的DataFrame已经把日期设为索引，直接用loc（基于标签的索引）替代iloc就行：

date1 = '31/03/2020'
date2 = '31/03/2010'
date1 = pd.to_datetime(date1)
date2 = pd.to_datetime(date2)

# 用loc按日期标签和列名定位对应值
if df_dates2.loc[date1, 'First Occurence Consolidated'] < date2:
    print(1) # 使用consolidated数据计算均值
else:
    print(2) # 使用standalone数据计算均值

注意：你的列名First Occurence Consolidated可能有拼写错误（应该是Occurrence），如果运行时提示列不存在，先检查列名正确性。

情况2：df_dates2是默认整数索引

如果你的DataFrame用的是默认整数索引，需要先找到date1对应的行位置，再用iloc定位：

date1 = '31/03/2020'
date2 = '31/03/2010'
date1 = pd.to_datetime(date1)
date2 = pd.to_datetime(date2)

# 找到目标日期对应的行索引
row_idx = df_dates2[df_dates2['date'] == date1].index[0]
# 找到目标列的整数位置
col_idx = df_dates2.columns.get_loc('First Occurence Consolidated')

if df_dates2.iloc[row_idx, col_idx] < date2:
    print(1)
else:
    print(2)

二、实现条件式10年价格均值计算+标识列 #

接下来解决你的核心需求：按公司分组，过去10年如果price_consolidated无NaN值就用它，否则用price_standalone，同时新增列标注使用的数据源。

思路拆解 #

1. 先确保时间序列有序：把date转成datetime类型并设为索引，保证滚动计算的准确性
2. 按公司分组，对每个组的历史数据做滚动统计
3. 通过滚动窗口的非NaN计数判断price_consolidated是否完整，再选择对应列计算均值
4. 新增Price source列记录使用的数据源

完整代码实现 #

import pandas as pd

# 第一步：预处理数据，确保date是datetime类型且为索引
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date').sort_index()

# 定义滚动窗口参数：10年按3650天计算，min_periods=1保证数据不足时仍计算均值
window_size = 3650
min_periods = 1

# 定义分组处理函数
def process_group(group):
    # 计算过去10年price_consolidated的非NaN值数量
    consol_non_nan_count = group['price_consolidated'].shift().rolling(window=window_size, min_periods=min_periods).count()
    # 判断是否完全无NaN：计数等于窗口大小则用consolidated，否则用standalone
    use_consolidated = consol_non_nan_count == window_size
    
    # 计算两种价格的滚动均值
    mean_consol = group['price_consolidated'].shift().rolling(window=window_size, min_periods=min_periods).mean()
    mean_standalone = group['price_standalone'].shift().rolling(window=window_size, min_periods=min_periods).mean()
    
    # 条件选择最终均值，并新增数据源标识列
    group['Price mean 10 years'] = pd.where(use_consolidated, mean_consol, mean_standalone)
    group['Price source'] = pd.where(use_consolidated, 'price_consolidated', 'price_standalone')
    
    return group

# 应用分组逻辑到整个DataFrame
df = df.groupby('Company Name', group_keys=False).apply(process_group)

# 可选：恢复原索引结构（如果需要把date变回普通列）
df = df.reset_index()

代码说明 #

• shift()是为了排除当前行的价格，严格计算过去10年的均值，和你之前的代码逻辑保持一致
• 当公司历史数据不足10年时，min_periods=1会让计算继续，此时consol_non_nan_count会小于window_size，自动切换到price_standalone
• pd.where()是矢量化操作，比循环判断高效得多，适合处理大规模数据

额外提示 #

如果你说的“过去10年”是指自然年的时间范围（比如从2020-03-31往前推10年到2010-03-31），而不是固定3650天（忽略闰年差异），那滚动窗口的方式可能不够准确。这种情况下需要改用按时间范围筛选的方式计算均值，如果你需要这种逻辑，可以告诉我，我再帮你调整代码。

内容的提问来源于stack exchange，提问作者Deep Vora