如何从DataFrame中为盘后数据分组查找下一个可用日期

步骤1：提取并排序所有唯一交易日 #

先从原始分钟级数据中提取所有实际存在的交易日，去重后排序，自动排除节假日和无数据日期：

# 提取唯一交易日并排序，确保date列为datetime64类型
unique_dates = minuteData['date'].drop_duplicates().sort_values().reset_index(drop=True)

步骤2：构建「当前日期→下一个交易日」映射字典 #

基于排序后的交易日序列，为每个日期匹配对应的下一个有效交易日：

# 创建映射字典：key为当前日期，value为下一个有数据的交易日
next_date_map = {}
for i in range(len(unique_dates)-1):
    current_date = unique_dates[i]
    next_date = unique_dates[i+1]
    next_date_map[current_date] = next_date

# 处理序列最后一个日期（可根据业务调整，此处设为自身）
last_date = unique_dates.iloc[-1]
next_date_map[last_date] = last_date

步骤3：生成适配节假日的new date列 #

根据盘后时段规则，结合映射字典生成正确的关联交易日：

import pandas as pd

def get_new_date(row):
    if row['times'] > pd.Timestamp('15:59').time():
        # 16:00之后的盘后数据，关联下一个交易日
        return next_date_map[row['date']]
    else:
        # 9:30之前的盘前数据，关联当前交易日
        return row['date']

# 应用函数生成new date列
NonMarketHours['new date'] = NonMarketHours.apply(get_new_date, axis=1)

步骤4：分组计算盘后时段最值 #

沿用你原有的分组逻辑，此时new date已自动适配所有节假日：

PMData = NonMarketHours.groupby('new date').agg({'low': 'min', 'high': 'max'})[['low', 'high']].reset_index()

关键说明 #

• 该方案完全依赖数据中实际存在的日期，无需手动维护节假日列表
• 确保minuteData['date']为datetime64类型，若为字符串需先转换：minuteData['date'] = pd.to_datetime(minuteData['date'])
• 最后一个日期的处理可根据业务需求调整（如设为None或抛出提示）

内容的提问来源于stack exchange，提问作者svlad