Pandas实现同形状DataFrame按行n最大值取次日下一行对应值

你之前提取每日TopN股票列名的思路完全可行，不需要绕弯做复杂的表关联，用shift提前对齐下一日数据，一步就能出结果。

核心逻辑 #

• 先对存储股票表现的DataFrame做向上移位，让每个日期索引对应的行，直接存储该日期下一个交易日的所有股票表现，避免逐行匹配索引的冗余操作
• 逐行遍历指标DataFrame，提取每行指标值最高的n只股票列名
• 直接从移位后的表现DataFrame中，取当前日期对应股票的下一日表现，和股票名拼接成最终结果

实现代码 #

import pandas as pd
import numpy as np

# 配置参数：取排名前3的股票
n = 3

# 步骤1：对齐下一日表现数据：shift(-1)表示把数据整体上移1行，当前日期行存储的就是次日数据
# 最后一行没有后续日期数据，会自动填充为NaN，属于正常情况
df_next_ret = df1.shift(-1)

# 步骤2：逐行计算TopN股票及对应次日收益
def calc_topn(row):
    # 提取当前行指标值TopN的股票列名，若需要按绝对值排名加.abs()即可
    top_stocks = row.nlargest(n).index.to_list()
    # 取对应股票的次日收益
    top_rets = df_next_ret.loc[row.name, top_stocks].to_list()
    # 按字段格式返回
    return pd.Series(
        top_stocks + top_rets,
        index = [f"Top{i+1}股票" for i in range(n)] + [f"Top{i+1}次日收益" for i in range(n)]
    )

# 生成最终结果
result = df.apply(calc_topn, axis=1)

结果说明 #

用你提供的测试数据运行后，输出结果结构如下：

补充注意事项 #

• 如果两个DataFrame的日期索引不完全一致，先执行df, df1 = df.align(df1, join="inner", axis=0)对齐交易日，再运行上述代码，避免日期错配
• 最后一行的NaN是因为没有后续交易日数据，回测时直接用result = result.dropna()剔除即可
• 如果需要计算TopN等权组合的平均收益，直接新增一列即可：

ret_cols = [f"Top{i+1}次日收益" for i in range(n)]
result["组合平均次日收益"] = result[ret_cols].mean(axis=1)

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