基于两个DataFrame计算IPO日期前6个月10年期美债收益率均值

要实现为每个ipodate计算对应前6个月的国债收益率均值，核心是先统一日期格式，再用高效的时间区间匹配方法替代不适用的rolling()，具体步骤如下：

步骤1：标准化日期格式 #

两个DataFrame的日期格式不统一（一个是dd-mm-yyyy，一个是yyyy-mm-dd），首先要把日期列转为datetime类型并对齐格式：

import pandas as pd

# 处理公司数据的日期列
df1['ipodate'] = pd.to_datetime(df1['ipodate'], format='%d-%m-%Y')
# 可选：同步处理datadate，后续若有需求可直接使用
df1['datadate'] = pd.to_datetime(df1['datadate'], format='%d-%m-%Y')

# 处理国债收益率数据的日期列，同时将日期设为索引以方便时间区间查询
df2['date'] = pd.to_datetime(df2['date'])
df2 = df2.set_index('date').sort_index()

步骤2：高效计算区间均值 #

针对26074行的大数据量，推荐用滚动均值预计算+精准匹配的方法，避免逐行遍历的低效问题：

方法1：滚动均值预计算 + 时间匹配（高效首选） #

先给国债收益率数据预计算滚动6个月的均值，再通过时间匹配关联到每个ipodate：

# 计算滚动6个月的均值，closed='left'表示排除ipodate当天的数据
df2['rolling_6m_dgs10_mean'] = df2['dgs10'].rolling(window='6M', closed='left').mean()

# 重置索引，将日期转回列以便合并
df2_reset = df2.reset_index()

# 对两个DataFrame按日期排序，确保merge_asof可以正确匹配
df1_sorted = df1.sort_values('ipodate')
df2_sorted = df2_reset.sort_values('date')

# 用merge_asof匹配ipodate之前最近的交易日的滚动均值
# direction='backward'表示取ipodate或之前最近的有效数据
result = pd.merge_asof(df1_sorted, df2_sorted, left_on='ipodate', right_on='date', direction='backward')

# 将结果映射回原DataFrame，保留原行顺序
df1['pre_6m_dgs10_mean'] = result.set_index(df1.index)['rolling_6m_dgs10_mean']

方法2：直接计算指定区间均值（小数据量适用） #

如果需要严格计算ipodate前6个月到ipodate前一天的精确均值，可使用apply逐行计算，但数据量大时速度会明显变慢：

def get_6m_avg(ipodate):
    # 计算6个月前的起始日期
    start_date = ipodate - pd.DateOffset(months=6)
    # 筛选区间内的国债收益率数据并计算均值
    interval_data = df2.loc[(df2.index >= start_date) & (df2.index < ipodate), 'dgs10']
    return interval_data.mean()

# 新增列存储结果
df1['pre_6m_dgs10_mean'] = df1['ipodate'].apply(get_6m_avg)

关键注意事项 #

• 日期格式必须统一，否则时间区间筛选和匹配会完全失效；
• rolling(window='6M')是按日历月计算区间，更贴合“前6个月”的业务逻辑；若需要固定交易日数量，可替换为window=126（约6个月的交易日数）；
• merge_asof的效率远高于apply，适合处理万级以上的数据量。

内容的提问来源于stack exchange，提问作者Marie-Pier St-Vincent