You need to enable JavaScript to run this app. Pandas DataFrame中匹配3个月前向日期对应价格的实现问题
优惠活动
大模型
产品
解决方案
定价
更多

Pandas DataFrame中匹配3个月前向日期对应价格的实现问题

实现3个月远期价格列的方案

前置必做检查(否则大概率匹配失败)

  • 先确认两个日期列均为pandas datetime类型,避免字符串/其他类型匹配不上:
import pandas as pd
# 替换成你实际的列名,样例里的Target Date 1就是你提到的3M forward date
df['Date'] = pd.to_datetime(df['Date'])
df['3M forward date'] = pd.to_datetime(df['3M forward date'])

核心实现方法(三选一均可)

方法1:字典映射(性能最优,适合大数据量)

  • 先构建日期到价格的查找字典,再直接映射赋值:
# 构建Date-Price映射表
price_lookup = df.set_index('Date')['Price'].to_dict()
# 给新列赋值,匹配不到的自动返回NaN
df['3M forward Price'] = df['3M forward date'].map(price_lookup)

方法2:左连接匹配(逻辑直观,易调试)

  • 把原Date和Price列临时改名为要匹配的键和新列名,再左连接回原表:
df = df.merge(
    right=df[['Date', 'Price']].rename(columns={
        'Date': '3M forward date',
        'Price': '3M forward Price'
    }),
    on='3M forward date',
    how='left'
)

方法3:调整索引后用.loc实现(适配你之前的使用习惯)

你之前用.loc失败的核心原因是:默认整数索引无法匹配datetime类型的目标日期,需要先把Date设为索引再匹配:

# 把Date列设为索引
df = df.set_index('Date')
# 用3M forward date做重索引匹配价格
df['3M forward Price'] = df['Price'].reindex(df['3M forward date']).to_numpy()
# 如果需要恢复默认整数索引,执行这行
df = df.reset_index()

常见问题说明

  • 末尾3个月左右的行的新列会出现NaN:属于正常现象,因为对应的3M远期日期超出了原有Date列的覆盖范围,没有对应的价格数据
  • 如果匹配不到非交易日日期(比如你算的3M到期日刚好是休市日):如果需要匹配最近的前/后交易日,可以在reindex时加参数method='ffill'(取最近的前序已存在的日期价格),或method='bfill'(取最近的后序已存在的日期价格)

内容的提问来源于stack exchange,提问作者breaker7

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:2026.11.07 09:54:00