如何获取各sc_code的52周价格高低点对应的发生日期？

首先注意：你提供的原始数据中价格字段是price，但现有代码里用的是close，需要统一字段名，否则会报错。以下是两种获取各sc_code价格高低值对应日期的方法：

方法一：分组直接聚合 #

通过groupby.agg同时计算价格的最小/最大值，以及对应的日期：

# 统一字段名：如果原数据价格列是price，替换代码中的close为price
df_temp = df_data.groupby(['sc_code'], sort=False).agg(
    closeL=('price', 'min'),          # 最低价格
    closeH=('price', 'max'),          # 最高价格
    date_closeL=('date', lambda x: x.iloc[x.reset_index()['price'].idxmin()]),  # 最低价对应日期
    date_closeH=('date', lambda x: x.iloc[x.reset_index()['price'].idxmax()])   # 最高价对应日期
).reset_index()

方法二：提取极值行后合并 #

先定位每个分组中价格取最小/最大值的行，再合并结果，逻辑更直观：

# 提取每个sc_code价格最低的行
min_rows = df_data.loc[df_data.groupby('sc_code')['price'].idxmin()]
# 提取每个sc_code价格最高的行
max_rows = df_data.loc[df_data.groupby('sc_code')['price'].idxmax()]

# 合并并整理列名
df_temp = min_rows.merge(
    max_rows,
    on='sc_code',
    suffixes=('_L', '_H')
)[['sc_code', 'date_L', 'price_L', 'date_H', 'price_H']]

# 可按需重命名列，匹配原代码的命名风格
df_temp = df_temp.rename(columns={
    'price_L': 'closeL',
    'price_H': 'closeH',
    'date_L': 'date_closeL',
    'date_H': 'date_closeH'
})

注意事项 #

• 如果同一个sc_code存在多个相同的最低/最高价格，idxmin()/idxmax()只会返回第一个出现的日期。若需要所有对应日期，可改用布尔筛选：

  # 示例：获取所有最低价对应的日期（以逗号分隔）
  df_temp = df_data.groupby('sc_code').agg(
      closeL=('price', 'min'),
      date_closeL=('date', lambda x: ','.join(x[x == x.min()]))
  ).reset_index()
  

内容的提问来源于stack exchange，提问作者bobby.dreamer