Pandas日内数据场景下如何获取指定特殊日期对应的有效下一交易日

前置预处理 #

首先统一时间格式，提取实际存在的交易日列表（完全匹配你的DataFrame中存在的日期，无额外冗余）：

import pandas as pd

# 1. 转换特殊日期为DatetimeIndex并排序
special_days = pd.to_datetime(special_days).sort_values()
# 2. 转换df的索引为DatetimeIndex
df.index = pd.to_datetime(df.index)
# 3. 提取df中所有实际存在的交易日（去重+排序，去掉日内时分秒仅保留日期）
exist_trade_dates = df.index.normalize().drop_duplicates().sort_values()
# 可选：过滤掉不在你的数据中的特殊日期，避免后续报错
special_days = special_days[special_days.isin(exist_trade_dates)]

用get_loc实现下一个交易日查询 #

你提到的get_loc方法完全可以实现需求，直接对已提取的交易日列表调用即可：

# 以第一个特殊日期为例
current_special_date = special_days[0]
# 获取当前特殊日期在交易日列表中的位置
current_pos = exist_trade_dates.get_loc(current_special_date)
# 直接取下一个位置的元素，就是你要的、实际存在于数据中的下一个交易日
next_trade_date = exist_trade_dates[current_pos + 1]

区间切分示例 #

拿到下一个交易日后即可按你的逻辑循环处理区间和特殊日期：

for i in range(len(special_days) - 1):
    current_special = special_days[i]
    next_special = special_days[i+1]
    # 获取当前特殊日期的下一个交易日
    current_pos = exist_trade_dates.get_loc(current_special)
    next_trade = exist_trade_dates[current_pos + 1]
    # 切分区间：下一个交易日 到 下一个特殊日期之前
    interval_df = df[df.index.normalize().between(next_trade, next_special, inclusive='left')]
    # 单独处理下一个特殊日期的数据
    special_df = df[df.index.normalize() == next_special]
    
    # 这里写你对区间数据、特殊日期数据的处理逻辑
    # process(interval_df)
    # process_special(special_df)

边界说明 #

• 如果当前特殊日期是数据集中最后一个交易日，current_pos + 1会超出列表长度，可提前加判断if current_pos + 1 < len(exist_trade_dates)处理边界
• 该方法完全基于你实际拥有的数据集，不需要额外接入交易日历，也不会生成不存在于你的df中的日期

内容的提问来源于stack exchange，提问作者Eugene