如何按每月15日或最近工作日筛选DataFrame记录？

需求说明 #

需要从仅包含工作日的DataFrame中，筛选出每月15日的记录；若当月无15日数据，则选择最接近15日的记录（示例中优先选择15日之前最近的记录）。

数据示例：

date              open               date1          date2
0       2000-01-03 00:00:00  0               2000-01-17 00:00:00    2000-02-15 00:00:00
1       2000-01-07 00:00:00  6084704         2000-01-17 00:00:00    2000-02-15 00:00:00
3       2000-01-12 00:00:00  992482          2000-01-17 00:00:00    2000-02-15 00:00:00
4       2000-01-17 00:00:00  11721104        2000-02-15 00:00:00    2000-03-15 00:00:00
...

预期结果示例：

3       2000-01-12 00:00:00  992482          2000-01-17 00:00:00    2000-02-15 00:00:00
...
61      2000-04-13 00:00:00 17913960         2000-05-15 00:00:00    2000-06-15 00:00:00
...

解决方案 #

步骤1：确保日期列是datetime类型 #

如果date列还不是datetime格式，先转换：

import pandas as pd
df['date'] = pd.to_datetime(df['date'])

步骤2：计算每条记录与当月15日的天数差 #

创建辅助列，计算日期与当月15日的天数差绝对值；如果需要优先选择15日之前的记录，给15日之后的记录加微小权重，保证差值相同时更早的记录被选中：

# 生成当月15日的datetime对象
df['month_15'] = df['date'].apply(lambda x: x.replace(day=15))
# 计算天数差，15日之后的记录差值加0.1，确保优先选15日前的记录
df['day_diff'] = abs(df['date'] - df['month_15']).dt.days + (df['date'] > df['month_15']).astype(int)*0.1

步骤3：按年-月分组，筛选最优记录 #

按年份和月份分组，每组选择day_diff最小的行：

# 分组取最小差值的记录
result_df = df.groupby([df['date'].dt.year, df['date'].dt.month]).apply(lambda x: x.loc[x['day_diff'].idxmin()])
# 重置索引（可选，根据需求调整）
result_df = result_df.reset_index(drop=True)

简化版链式代码 #

如果不需要保留辅助列，可以合并为一行链式调用：

import pandas as pd

df['date'] = pd.to_datetime(df['date'])
result_df = (df.assign(
    month_15=lambda x: x['date'].apply(lambda d: d.replace(day=15)),
    day_diff=lambda x: abs(x['date'] - x['month_15']).dt.days + (x['date'] > x['month_15']).astype(int)*0.1
)
.groupby([df['date'].dt.year, df['date'].dt.month])
.apply(lambda g: g.loc[g['day_diff'].idxmin()])
.reset_index(drop=True))

可选调整 #

• 如果不需要优先选择15日之前的记录，去掉+ (df['date'] > df['month_15']).astype(int)*0.1即可，此时会选择距离15日天数最少的记录（无论前后）。
• 若同一月份有多个记录与15日天数差相同（比如14日和16日），idxmin()会返回第一个出现的最小值索引，即最早的记录。

内容的提问来源于stack exchange，提问作者bella