在Pandas中替代.min()计算股票时间序列的历史最低值

首先确保你的Date列是datetime类型，然后通过分组排序+累积最小值移位的方式实现需求：

import pandas as pd
import numpy as np

# 转换Date列为datetime（如果还不是的话）
df['Date'] = pd.to_datetime(df['Date'])

# 保存原始索引，用于恢复数据顺序
df['_temp_idx'] = df.index

# 按股票ID分组，组内按日期升序排列（从最早到最晚）
df_sorted = df.sort_values(['Stock_ID', 'Date'])

# 计算每个股票分组内的累积最小值，再移位1行，得到当前日期之前的历史最低
df_sorted['Historical_low'] = df_sorted.groupby('Stock_ID')['Price'] \
    .expanding(min_periods=1).min() \
    .reset_index(level=0, drop=True) \
    .shift(1)

# 恢复到原始数据的顺序，删除临时索引列
df = df_sorted.sort_values('_temp_idx').drop('_temp_idx', axis=1)

执行后得到的结果完全符合你的期望输出。

1. 拼写错误：

   • gropuby 应为 groupby
   • ['Stock_ID','Date] 缺少右引号，正确写法是 ['Stock_ID','Date']

2. 逻辑错误：

   • df.groupby('Stock_ID')['Price'].min() 计算的是每只股票的全局最低值，而不是你需要的「当前日期之前的历史最低值」
   • 仅按日期降序排序，但没有处理「仅使用当前日期之前的数据」的逻辑，导致结果包含未来数据或全局值

内容的提问来源于stack exchange，提问作者Apook