如何使用Python pandas DataFrame获取52周高低价对应日期

你要拿到滚动252交易日（对应52周的交易日总数）窗口内最高价、最低价对应的日期，核心是定位窗口内极值对应的行索引（即日期），具体实现如下：

前置预处理 #

首先确保你的数据按交易日升序排列，且日期列转为datetime格式、设为索引（如果已经做过这步可以跳过）：

import pandas as pd

df = pd.read_csv(csv_file_name, engine='python')
# 替换成你CSV文件中实际的日期列名，比如trade_date、Date等
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date').sort_index()

原有高低价计算（和你现有逻辑一致） #

df['52W H'] = df['HIGH'].rolling(window=252, center=False).max()
df['52W L'] = df['LOW'].rolling(window=252, center=False).min()

计算极值对应日期 #

方法1：兼容所有pandas版本（通用写法） #

用rolling.apply结合np.argmax/np.argmin拿到极值在窗口内的位置，匹配对应日期即可：

import numpy as np

df['52W H date'] = df['HIGH'].rolling(252, center=False).apply(
    lambda x: x.index[np.argmax(x)]
)
df['52W L date'] = df['LOW'].rolling(252, center=False).apply(
    lambda x: x.index[np.argmin(x)]
)

方法2：pandas 1.1.0+版本推荐（性能更高） #

新版本pandas的Rolling对象原生支持idxmax/idxmin方法，不需要自定义apply函数，数据量大的时候运行速度比方法1快数倍：

df['52W H date'] = df['HIGH'].rolling(window=252, center=False).idxmax()
df['52W L date'] = df['LOW'].rolling(window=252, center=False).idxmin()

注意事项 #

• 上述逻辑默认返回窗口内第一次出现极值的日期，如果需要取最后一次出现极值的日期，可以在apply方法中反转窗口序列后计算位置，再做日期匹配。
• 前251行因为窗口长度不足252个交易日，返回值为空，和你现有52周高低价的空值逻辑完全对齐，不需要额外处理。
• 计算前必须确认数据按日期升序排列，否则滚动窗口范围、日期匹配结果都会出错。

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