You need to enable JavaScript to run this app. Pandas遍历变量按月计算OHLC并存入新DataFrame列的实现方法
优惠活动
大模型
产品
解决方案
定价
更多

Pandas遍历变量按月计算OHLC并存入新DataFrame列的实现方法

实现方案

前置准备

首先导入pandas并完成基础数据格式处理,假设你的原始周度收盘价数据存储在变量df中:

import pandas as pd

# 转换日期列为datetime格式
df['Date'] = pd.to_datetime(df['Date'])
# 生成月份分组字段,默认输出YYYY-MM格式,如需datetime格式可替换为.dt.floor('M')
df['month'] = df['Date'].dt.to_period('M')

自定义OHLC计算规则

匹配你要求的「当月第一个交易日为开盘、当月最后一个交易日为收盘、当月最高/最低价取极值」的逻辑:

def month_ohlc(x):
    # 若原始数据已按日期升序排序,可删除下一行排序逻辑提升效率
    x_sorted = x.sort_index()
    return (x_sorted.iloc[0], x_sorted.max(), x_sorted.min(), x_sorted.iloc[-1])

批量计算V1-V7全量OHLC并拆分列

通过循环一次性完成所有公司的计算,同时自动拆分元组为独立字段:

res = []
# 生成V1到V7的列名列表
company_list = [f'V{i}' for i in range(1,8)]

for comp in company_list:
    # 按月份分组计算单家公司OHLC
    temp_df = df.groupby('month')[comp].apply(month_ohlc).reset_index()
    # 拆分元组为Open/High/Low/Close独立列
    temp_df[['Open','High','Low','Close']] = pd.DataFrame(temp_df[comp].tolist(), index=temp_df.index)
    # 新增公司标识列、删除临时元组列
    temp_df['company'] = comp
    temp_df = temp_df.drop(columns=[comp])
    res.append(temp_df)

# 合并所有公司计算结果
final_df = pd.concat(res, ignore_index=True)

可选格式调整

如果需要按公司横向展开所有指标,可补充透视操作:

# 横向展开为V1_Open、V1_High...V7_Close格式
pivot_df = final_df.pivot(index='month', columns='company', values=['Open','High','Low','Close'])
pivot_df.columns = [f'{col[1]}_{col[0]}' for col in pivot_df.columns]
pivot_df = pivot_df.reset_index()

内容的提问来源于stack exchange,提问作者LeMarque

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.15 00:54:04