Python基于datetime列计算前序日期价格百分比涨幅实现

你遇到的InvalidIndexError和计算逻辑偏差来自三个问题：

• 直接对全表做shift操作没有按币种分组，会把A币种的价格错位匹配到B币种的行上
• 将datetime设为索引后，同一日期对应多个币种的多条记录，索引值重复，不满足concat对齐要求的索引唯一性条件
• 代码中引用了未定义的df_btc变量，和前期处理的df对象不匹配

先按币种分组做时间序列位移，从根源避免跨币种数据错配和重复索引问题：

import pandas as pd

# 统一日期格式，过滤异常时间值
df['datetime'] = pd.to_datetime(df['datetime']).dt.date
# 按币种、日期升序排序，保证时间序列顺序正确
df = df.sort_values(by=['slug', 'datetime']).reset_index(drop=True)

# 按币种分组，分别取前1日、前2日的对应价格
df['price_1d_ago'] = df.groupby('slug')['price_usd'].shift(periods=1)
df['price_2d_ago'] = df.groupby('slug')['price_usd'].shift(periods=2)

# 计算对应周期的涨幅百分比
df['%increase_24'] = (df['price_usd'] / df['price_1d_ago'] - 1) * 100
df['%increase_48'] = (df['price_usd'] / df['price_2d_ago'] - 1) * 100

# 可选操作：删除临时生成的历史价格列，仅保留需要的输出字段
# df = df.drop(columns=['price_1d_ago', 'price_2d_ago'])

避坑提示 #

• shift时不要加freq='D'参数：该参数会直接修改索引日期值做硬对齐，不会顺着现有数据的行做位移，遇到缺失日期的情况会直接匹配出空值，分组位移行是适配多币种面板数据的最稳妥方案
• 如果原始数据存在同一币种同一天多条价格记录，先按天做聚合（比如取当日收盘价、均价）再走上述流程，否则会出现位移错位
• 每个币种最开始的1-2条记录没有对应历史价格，计算出的涨幅值为空属于正常情况，无需额外处理

内容的提问来源于stack exchange，提问作者Marc