为带双列匿名多级索引的Pandas大DataFrame添加次日收盘价列

先明确核心需求：你的DataFrame有双列匿名多级索引，且日期因周末/节假日存在间隔，要新增一列对应每个分组下实际存在的下一个交易日的收盘价。下面结合常见的多级索引结构（比如[日期, 匿名分组列]）给出具体实现步骤：

步骤1：确保日期索引是datetime类型 #

如果你的日期索引还不是datetime格式，先做转换（假设多级索引第一级是日期）：

# 重置索引后转换日期格式，再重新设置多级索引
df = df.reset_index()
df['date'] = pd.to_datetime(df['date'])
df = df.set_index(['date', 'anonymous_group'])  # 把anonymous_group换成你实际的匿名列名

步骤2：按分组偏移获取次日收盘价 #

因为日期有间隔，我们不需要填充缺失日期，只需要在每个匿名分组内，取下一条有效记录的收盘价：

# 按匿名分组列（多级索引第2层）分组，对close列向上偏移一位
df['next_day_close'] = df.groupby(level=1)['close'].shift(-1)

关键细节解释：

• groupby(level=1)：如果你的匿名分组是多级索引的第1层，就改成level=0，根据实际结构调整；如果索引没有命名，也可以用df.index.get_level_values(1)来指定分组层级
• shift(-1)：把每个分组内的close列向上移动一行，当前行的next_day_close就对应下一个交易日的收盘价；每个分组的最后一条记录会是NaN（没有后续交易日数据，属于合理情况）

额外处理：确保数据已按日期排序 #

如果你的DataFrame还没按日期和分组排序，先在分组内做排序：

# 按匿名分组后，对日期索引排序，再恢复原索引结构
df = df.groupby(level=1).apply(lambda x: x.sort_index(level=0)).reset_index(level=1, drop=True)

示例验证 #

用模拟的测试数据看效果：

import pandas as pd
import numpy as np

# 构造带日期间隔的多级索引数据
dates = pd.date_range('2024-01-01', '2024-01-10').drop(['2024-01-06', '2024-01-07'])  # 跳过周末
idx = pd.MultiIndex.from_product([dates, [0, 1]], names=['date', 'ticker'])
df = pd.DataFrame({'close': np.random.randn(len(idx))}, index=idx)

# 执行上述代码添加次日收盘价
df['next_day_close'] = df.groupby(level=1)['close'].shift(-1)
print(df.head())

输出会类似：

close  next_day_close
date       ticker                        
2024-01-01 0     0.469112        -0.282863
            1     -1.509059        -1.135632
2024-01-02 0     -0.282863         1.212112
            1     -1.135632        -0.173215
2024-01-03 0      1.212112         0.119209

可以看到每个分组的next_day_close自动跳过了周末的缺失日期，取到了下一个存在的交易日收盘价。

内容的提问来源于stack exchange，提问作者rryan21