Python中基于时间序列数据更新当日最高价列的问题

嘿，我帮你找出问题所在了！你遇到的0值问题，根源是对Pandas的向量化计算逻辑理解有点偏差，咱们一步步来解决：

问题原因 #

你的代码里用了np.where来判断更新high列，但**np.where是一次性完成所有行的向量化计算**，不会逐行实时更新high的值。你初始把high列全设为0，当条件不满足时，df.high.shift(1)调用的是原始未更新的high列的移位值（大部分是0），而不是前一行已经计算好的high值，这就导致不符合预期的0出现了。

解决方案 #

方案1：用cummax()（最简洁高效，推荐） #

其实你要的就是从第一行到当前行的tradePrice累计最大值，Pandas已经内置了cummax()方法，直接就能实现需求，完全不需要手动写判断逻辑：

from matplotlib import style
import pandas as pd
import numpy as np
style.use('ggplot')
desired_width = 320
pd.set_option('display.width', desired_width)

df = pd.read_csv('C:/test.csv')
df.set_index('dateTime', inplace=True)
df.drop(['SecurityID'], axis=1, inplace=True)  # 新版本Pandas建议显式指定axis=1，避免警告

# 直接计算累计最高价
df['high'] = df['tradePrice'].cummax()

# 打印指定列查看结果
print(df[['tradePrice', 'high']].head(10))

运行后你会看到，每一行的high都会自动保留从第一行到当前行的最高tradePrice，完美符合你的需求：当前价格更高时更新，否则沿用之前的最高价。

方案2：逐行迭代（适合复杂自定义逻辑） #

如果之后你需要更复杂的条件判断（比如结合其他列的规则），可以用逐行迭代的方式处理，虽然效率不如cummax()，但灵活性更高：

from matplotlib import style
import pandas as pd
import numpy as np
style.use('ggplot')
desired_width = 320
pd.set_option('display.width', desired_width)

df = pd.read_csv('C:/test.csv')
df.set_index('dateTime', inplace=True)
df.drop(['SecurityID'], axis=1, inplace=True)

# 初始化high列，第一行的high就是该行的tradePrice
df['high'] = df['tradePrice']

# 从第二行开始逐行判断更新
for idx in range(1, len(df)):
    current_price = df['tradePrice'].iloc[idx]
    prev_high = df['high'].iloc[idx-1]
    if current_price > prev_high:
        df['high'].iloc[idx] = current_price
    else:
        df['high'].iloc[idx] = prev_high

print(df[['tradePrice', 'high']].head(10))

再复盘下原来的代码问题 #

举个例子：第五行的tradePrice是12868，比前一行的high12870小，这时候np.where会取df.high.shift(1)，但这个值是原始high列第四行的0（因为high列初始全是0，还没被逐行更新），而不是第四行已经计算好的12870，这就是为什么第五行的high变成了0。

内容的提问来源于stack exchange，提问作者Giladbi