如何在Pandas中添加3天后Close值的滚动列（无循环实现）

我有一个包含Date、Open、High、Low、Close字段的股票Pandas DataFrame，数据如下：

希望在Pandas中新增一列Rolling，该列展示每行日期3天后的Close值（用于计算3日收益率），预期效果如下：

要求提供无需使用for循环的实现方案。

场景1：连续交易日数据（无缺失） #

如果股票数据按连续交易日排列（无周末/节假日缺失），直接使用shift方法即可高效实现：

import pandas as pd

# 确保Date列为日期类型
df['Date'] = pd.to_datetime(df['Date'])

# 新增Rolling列，取当前行之后第3行的Close值
df['Rolling'] = df['Close'].shift(-3)

场景2：严格按自然日偏移（含非交易日） #

如果需要严格匹配自然日3天后的Close值（不管中间是否有交易日），按以下步骤实现：

import pandas as pd

# 1. 转换Date列为日期类型并设为索引
df['Date'] = pd.to_datetime(df['Date'])
df = df.set_index('Date')

# 2. 生成包含所有自然日的序列（从数据最小日期到最大日期+3天）
full_date_range = pd.date_range(
    start=df.index.min(),
    end=df.index.max() + pd.Timedelta(days=3)
)

# 3. 重新索引补全所有日期，缺失的Close值填充为NaN
full_df = df.reindex(full_date_range)

# 4. 偏移3天获取对应Close值
full_df['Rolling'] = full_df['Close'].shift(-3)

# 5. 还原回原始数据的日期并重置索引
df = full_df.loc[df.index].reset_index().rename(columns={'index': 'Date'})

关键说明 #

• shift(-3)是Pandas内置的向量化操作，完全避免了for循环，执行效率远高于循环遍历。
• 连续交易日场景下，shift(-3)直接对应3个交易日后的Close值；自然日场景下，通过补全日期序列确保严格匹配3天后的日期。

内容的提问来源于stack exchange，提问作者Moxarth Oswal