如何在Pandas中结合CustomBusinessDay获取美股合规周度收盘价？

你的思路方向是对的，但resample的频率参数没法直接和CustomBusinessDay组合使用——前者是定义时间周期的字符串规则，后者是用于日期偏移的工具。这里有两种简洁可靠的方法实现你要的需求：

方法一：按周分组自动取最后交易日价格 #

这种方法不需要手动调整日期，直接通过分组逻辑自动捕获每个周（以周五为周结束）的最后一个交易日价格：

# 先确保数据的日期列是DatetimeIndex类型
stock = stock.set_index('Date')  # 如果Date不是索引的话执行这行
stock.index = pd.to_datetime(stock.index)

# 为每个交易日标记其所属周的结束日（固定为周五）
stock['week_end'] = stock.index.to_period('W-FRI').to_timestamp()

# 按周结束日分组，取每个组的最后一行价格（即该周最后一个交易日的价格）
weekly_prices = stock.groupby('week_end')['Price'].last()

# 将周价格映射回你的目标数据框
df_clean_BW['WEEKLY_PricesFriday'] = pd.to_datetime(df_clean_BW['Date']).apply(
    lambda x: weekly_prices.loc[x.to_period('W-FRI').to_timestamp()]
)

为什么这个方法能解决你的问题： #

比如2016年1月1日是周五节假日，2015年12月30日、31日都会被标记为属于2016-01-01这个周结束日的分组。分组后取last()会自动拿到该组的最后一条有效数据——也就是2015年12月31日的价格，完全符合你的需求。

方法二：Resample后调整日期到最近工作日 #

如果你更习惯用resample，可以先按周五周度重采样，再把缺失数据的日期调整为最近的美国工作日：

# 确保日期列是DatetimeIndex
stock = stock.set_index('Date')
stock.index = pd.to_datetime(stock.index)

# 按周五周度重采样，得到每个周五的价格（节假日会显示NaN）
weekly_resampled = stock.resample('W-FRI')['Price'].last()

# 把每个周五日期调整为最近的美国工作日（rollback会自动找前一个有效交易日）
adjusted_dates = weekly_resampled.index.map(lambda dt: bday_us.rollback(dt))

# 从原始数据中获取调整后日期的价格，同时保留原周五索引方便匹配
weekly_prices = stock.loc[adjusted_dates, 'Price']
weekly_prices.index = weekly_resampled.index

# 映射回目标数据框
df_clean_BW['WEEKLY_PricesFriday'] = pd.to_datetime(df_clean_BW['Date']).apply(
    lambda x: weekly_prices.loc[x.to_period('W-FRI').to_timestamp()]
)

关键细节： #

bday_us.rollback(dt)是核心工具，它会自动定位到dt之前最近的美国工作日，完美处理周五节假日的情况。最后保留原周五索引是为了和原数据的周结束日标记保持一致，方便后续映射。

为什么你的原代码会报错 #

resample('W-FRI' & bday_us)是无效语法：resample的第一个参数只能是频率字符串（比如'W-FRI'）或者DateOffset对象，不能直接把频率字符串和CustomBusinessDay做逻辑运算，这才导致了报错。

内容的提问来源于stack exchange，提问作者J Westwood