如何使用Python Pandas实现满足条件后填充后续行值为0直到当月末

实现逻辑 #

• 按年月对DataFrame进行分组，天然匹配“截止到当月月末”的范围要求
• 对每个月的分组数据，找到第一个满足Returns < m的触发位置
• 将触发位置之后到当月月末的所有Returns值统一填充为0

完整实现代码 #

基于你提供的示例代码，新增实现逻辑如下：

import pandas as pd
import numpy as np
from datetime import datetime, timedelta

# 你提供的原始生成数据代码
date_today = datetime.now()
days = pd.date_range(date_today, date_today + timedelta(365), freq='D')
np.random.seed(seed=1111)
data = np.random.randint(1, high=100, size=len(days))
df = pd.DataFrame({'test': days, 'Price': data})
df = df.set_index('test')
df['Returns']=df['Price'].pct_change()

# ---------------------- 新增需求实现代码 ----------------------
m = -0.5  # 自定义阈值

# 增加年月辅助列用于分组
df['year_month'] = df.index.to_period('M')

def process_month_group(group):
    # 找到当前月第一个满足Returns小于m的触发日期
    # 新增notna判断避免NaN值参与条件计算，不需要可以删掉该判断
    trigger_date = group[group['Returns'].notna() & (group['Returns'] < m)].index.min()
    if pd.notna(trigger_date):
        # 触发日期之后的所有行Returns填充为0
        # 如果需要把触发日期本身也填充为0，把 > 改为 >= 即可
        group.loc[group.index > trigger_date, 'Returns'] = 0
    return group

# 按年月分组应用处理逻辑
df = df.groupby('year_month', group_keys=False).apply(process_month_group)
# 删除辅助列
df = df.drop(columns=['year_month'])

# ---------------------- 结果验证代码 ----------------------
# 打印所有触发点所在月份的数据，确认填充逻辑正确
trigger_dates = df[df['Returns'] < m].index
for d in trigger_dates:
    print(f"触发日期：{d.strftime('%Y-%m-%d')}")
    print("当月数据如下：")
    print(df[df.index.to_period('M') == d.to_period('M')][['Price', 'Returns']])
    print("-"*50)

注意事项 #

• 该实现默认取每个月最早的触发点，同月份后续的触发点会被之前的填充逻辑覆盖，符合常规业务场景
• 日频年数据处理效率高，无冗余循环，时间复杂度为O(n)
• 可根据实际需求调整是否将触发位置本身也填充为0，调整代码中判断符号即可

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