pandas处理股票OHLC数据时如何获取满足条件的行索引？

1. 获取2021年最高价对应的日期索引 #

推荐直接使用idxmax()方法，一步拿到最大值对应的索引，写法更简洁：

# 推荐用loc替代链式索引，避免潜在的SettingWithCopyWarning问题
max_high_date = df.loc['2021', 'high'].idxmax()

如果2021年有多个交易日的high值都是最大值，idxmax()只会返回第一个出现的日期，如果你需要获取所有符合条件的日期，可以用如下写法：

max_high = df.loc['2021', 'high'].max()
# 得到所有最高价对应的日期索引数组
max_high_dates = df.loc['2021', 'high'][df.loc['2021', 'high'] == max_high].index

2. 计算指定起始日到最高价日之间的low列最小值 #

拿到最高价日期后，直接用索引切片筛选区间即可：

start_date = '2020-01-02'
# 直接对索引区间切片，计算low列最小值
min_low = df.loc[start_date:max_high_date, 'low'].min()

注意事项 #

• 操作前先确认你的date索引是datetime类型，如果是字符串格式的索引会导致日期切片异常，可先执行转换：df.index = pd.to_datetime(df.index)
• 尽量避免使用df['2021']['high']这类链式索引写法，改为df.loc['2021', 'high']，可减少不必要的警告和潜在bug
• 写日期区间切片时注意引号闭合，比如你示例中的写法存在语法错误，正确闭合写法为df['2020-01-02':'2021-01-03']['low'].min()，更推荐用loc写法：df.loc['2020-01-02':'2021-01-03', 'low'].min()
• 如果获取到了多个最高价日期，可根据需求选择最早/最晚的日期再切片：比如取最晚的最高价日期用max_high_date = max_high_dates.max()，取最早的用max_high_date = max_high_dates.min()

内容的提问来源于stack exchange，提问作者Rishabh Sahni