使用Pandas将季度日期索引数据框转换为日度TTM自由现金流数据框

完全可以通过Pandas实现该转换，核心思路是先计算季度维度的滚动4期求和得到季度TTM值，再重采样到日度向前填充即可，具体实现步骤如下：

前置假设 #

你的原始季度数据框命名为df_qfcf，符合以下结构：

• 索引为datetime64类型的季度末日期
• 包含1列存储季度自由现金流，列名为q_fcf

完整实现代码 #

import pandas as pd

# 1. 预处理：确保索引为日期格式，按日期升序排序
df_qfcf = df_qfcf.sort_index()
df_qfcf.index = pd.to_datetime(df_qfcf.index)

# 2. 计算季度维度的TTM（滚动4个季度求和）
df_qfcf['ttm_fcf'] = df_qfcf['q_fcf'].rolling(4).sum()

# 3. 重采样为日度频率，向前填充值
df_daily_ttm = df_qfcf['ttm_fcf'].asfreq('D', method='ffill')

# 4. 截取从首次出现TTM值到今日的有效区间
df_daily_ttm = df_daily_ttm.loc[df_daily_ttm.first_valid_index(): pd.Timestamp.today().normalize()]

结果验证 #

按照你提供的示例数据计算：

• 2015-12-31是第4份报告日，计算得到的TTM值为 -105703000.0 + 131364000.0 + 68858000.0 -25890000.0 = 68629000.0
• 重采样后2016-01-01到2016-03-30之间的所有日期，都会自动沿用该值，和你的预期完全一致。

内容的提问来源于stack exchange，提问作者Pavel Ignatovich