如何创建统计每日MME高于Adj Close资产数量的DataFrame

核心思路 #

按日期分组，统计每日里MME指数平均值高于调整收盘价（Adj Close）的资产数量，最终生成包含日期和对应统计数的新DataFrame。

代码实现 #

1. 基础版实现（假设原始DataFrame名为df）

import pandas as pd

# 若日期列非datetime格式，先做格式转换
df['Date'] = pd.to_datetime(df['Date'])

# 按日期分组统计符合条件的资产数
result_df = df.groupby('Date').apply(
    lambda group: (group['MME'] > group['Adj Close']).sum()
).reset_index(name='MME_Above_AdjClose_Count')

2. 高效版实现（避免apply，性能更优）

import pandas as pd

df['Date'] = pd.to_datetime(df['Date'])

# 先标记每行是否符合条件，再按日期求和
result_df = df.assign(
    is_above=df['MME'] > df['Adj Close']
).groupby('Date')['is_above'].sum().reset_index(name='MME_Above_AdjClose_Count')

代码说明 #

• groupby('Date')：将原始数据按日期聚合，把同一天的所有资产数据归为一组
• (group['MME'] > group['Adj Close']).sum()：对每组数据，判断MME是否大于调整收盘价，生成布尔值序列后求和，得到当日符合条件的资产总数
• reset_index：将分组后的日期索引转为普通列，并给统计结果列指定名称

内容的提问来源于stack exchange，提问作者Clovis Junior