Pandas日度OHLC股票数据重采样为月度时使用原始索引实际日期替代BM规则

实现方法 #

首先确保你的日度数据索引为datetime类型，若未转换先执行：

df_daily.index = pd.to_datetime(df_daily.index)

方法1：一步到位写法

import pandas as pd

output = df_daily.groupby(pd.Grouper(freq='M')).apply(
    lambda x: pd.Series(
        {
            'open': x['open'].iloc[0],
            'high': x['high'].max(),
            'low': x['low'].min(),
            'close': x['close'].iloc[-1]
        },
        name=x.index[-1]
    )
)

方法2：索引替换写法（适合不想使用自定义apply的场景）

# 第一步：先按正常逻辑计算月度OHLC数值
ohlc = df_daily.resample('M').agg({'open': 'first', 'high': 'max', 'low': 'min', 'close': 'last'})
# 第二步：提取原始数据中每个月实际存在的最后一个交易日日期
month_last_dates = df_daily.groupby(pd.Grouper(freq='M')).apply(lambda x: x.index[-1])
# 第三步：替换索引为实际交易日日期
ohlc.index = month_last_dates
output = ohlc

逻辑说明

两种写法的分组逻辑都和你之前使用resample('BM')的分组范围一致，区别仅在于最终索引直接取自原始数据当月最后一条记录的日期，不会生成原始数据中不存在的月末日期，OHLC的统计规则完全符合你的要求：

• open取当月第一个交易日的开盘价
• high取当月所有交易日的最高价
• low取当月所有交易日的最低价
• close取当月最后一个交易日的收盘价

两种写法运行后得到的结果都和你给出的预期输出完全匹配。

内容的提问来源于stack exchange，提问作者Andi