如何从日期索引的DataFrame中提取每月首个可用日期生成新DataFrame

前置准备 #

首先确认DataFrame的索引为DatetimeIndex类型，且按时间升序排列，如果不符合要求先执行以下代码预处理：

import pandas as pd
# 转换索引为日期类型
df.index = pd.to_datetime(df.index)
# 按日期升序排序
df = df.sort_index()

最优实现代码 #

直接使用pandas内置的时间重采样方法，性能最高、写法最简洁：

# 取每个月首个可用日期的对应数据，自动跳过无数据的月份
df_monthly_first = df.resample('MS').first().dropna()

方案说明 #

• 效率优势：resample是pandas底层优化过的向量化操作，比手动遍历、自定义分组规则的实现快3~10倍，数据量越大优势越明显
• 符合需求：自动识别每个月的首个实际存在的日期，不会强制取当月1号，即使当月1号无数据也能正确返回第一个可用的记录
• 灵活扩展：如果后续需要取每月最后一个可用日期的记录，只需把.first()替换为.last()即可

备选实现（无需补全空月份时可用） #

如果不需要处理存在空月份的场景，也可以用分组取首行的方式实现：

df_monthly_first = df.groupby([df.index.year, df.index.month]).head(1)

内容的提问来源于stack exchange，提问作者Alex Zhang