如何用Pandas计算指数成分不变的连续天数均值？

我明白你的需求啦——要从这个日期索引的市值DataFrame里，找出成分（非零列集合）连续不变的时间段，统计每个时间段的天数，再求这些天数的平均值。下面给你一步步拆解实现方法，附带示例代码：

步骤1：构造示例数据（方便演示） #

先模拟一个和你描述一致的DataFrame，这样你可以直接跑代码验证：

import pandas as pd

# 生成日期索引
dates = pd.date_range('2023-01-01', periods=10)
# 公司列名
companies = ['a', 'b', 'c', 'd']
# 市值数据：0代表未加入/已退出指数
data = [
    [100, 200, 0, 0],   # 成分：a、b
    [150, 250, 0, 0],   # 成分：a、b
    [0, 300, 150, 0],   # 成分：b、c
    [0, 350, 200, 0],   # 成分：b、c
    [0, 400, 250, 0],   # 成分：b、c
    [200, 0, 300, 100], # 成分：a、c、d
    [250, 0, 350, 150], # 成分：a、c、d
    [300, 100, 400, 200],# 成分：a、b、c、d
    [350, 150, 450, 250],# 成分：a、b、c、d
    [0, 200, 500, 300]   # 成分：b、c、d
]
df = pd.DataFrame(data, index=dates, columns=companies)

步骤2：给每行标记唯一的成分标识 #

我们需要给每行的非零列集合生成一个可哈希的唯一标识，这样才能判断两行的成分是否完全相同。这里有两种常用方式：

方式A：用frozenset（无序集合，适合不关心列顺序的场景） #

# 对每行，提取非零列的名称，转成不可变的frozenset（可作为分组键）
component_sets = df.apply(lambda row: frozenset(row[row > 0].index), axis=1)

方式B：用排序后的字符串拼接（更直观，适合需要查看成分的场景） #

# 对每行，提取非零列名称并排序，拼接成字符串
component_keys = df.apply(lambda row: ','.join(sorted(row[row > 0].index)), axis=1)

两种方式效果等价，选你习惯的就行。

步骤3：识别连续相同成分的分组 #

通过比较当前行和上一行的成分标识，生成分组ID——连续相同的成分会被分到同一个组：

# 以方式A为例，方式B只需把component_sets换成component_keys即可
group_ids = (component_sets != component_sets.shift()).cumsum()

解释：shift()把上一行的成分标识移到当前行位置，比较是否和当前行不同；cumsum()会在每次成分变化时累加1，这样连续相同的行就会拥有同一个group_id。

步骤4：计算连续天数的平均值 #

统计每个分组的行数（即连续天数），然后求这些天数的平均值：

# 统计每个分组的行数
continuous_days = group_ids.value_counts()
# 计算平均值
average_continuous_days = continuous_days.mean()

print(f"指数成分不变的连续天数平均值：{average_continuous_days:.2f}")

在示例数据中，输出结果是2.00，因为各分组的天数分别是2、3、2、2、1，平均值为(2+3+2+2+1)/5=2。

简化版链式代码 #

如果你不想保留中间变量，可以把步骤2-4合并成一行：

average_days = (df.apply(lambda row: frozenset(row[row > 0].index), axis=1)
               .pipe(lambda x: (x != x.shift()).cumsum())
               .value_counts()
               .mean())

边界情况说明 #

• 如果所有日期的成分完全相同，那么平均值就是DataFrame的总行数；
• 如果每行成分都不一样，平均值就是1；
• 空DataFrame（无数据）的话需要额外处理，不过一般你的场景不会遇到这种情况。

内容的提问来源于stack exchange，提问作者bbarroso