基于公式剔除双表匹配观测值：日内与日度价格校验开发需求

我会用Python的Pandas库来搞定这个任务——这是处理结构化金融数据的首选工具之一，代码清晰还容易维护。

步骤1：按name和date匹配两张表 #

首先得把日内价格表和日度价格表用name和date这两个关键字段做内连接，这样就能只保留两张表中同时存在的name-date组合，避免出现没有对应日度价格的日内数据。

步骤2：剔除超出价格区间的观测值 #

合并完成后，我们先算出日度价格的上下阈值（0.962倍到1.0398倍），再用这个区间过滤掉不符合要求的日内价格记录。

完整代码示例 #

假设你的日内数据表叫intraday_df，日度数据表叫daily_df，代码如下：

import pandas as pd

# 步骤1：内连接合并两张表，只保留匹配成功的观测值
merged_df = pd.merge(
    intraday_df,
    daily_df,
    on=['name', 'date'],
    how='inner'
)

# 步骤2：计算价格区间的上下限
merged_df['lower_threshold'] = merged_df['daily price'] * 0.962
merged_df['upper_threshold'] = merged_df['daily price'] * 1.0398

# 筛选符合区间的记录，同时移除临时生成的阈值列
filtered_df = merged_df[
    (merged_df['intraday price'] >= merged_df['lower_threshold']) &
    (merged_df['intraday price'] <= merged_df['upper_threshold'])
].drop(columns=['lower_threshold', 'upper_threshold'])

# 查看处理后的结果
print(filtered_df.head())

补充说明 #

• 如果你的数据存在缺失值（比如某条日内数据找不到对应日度价格），how='inner'会自动排除这些记录；要是想保留并标记缺失，可以把how改成left，后续再处理NaN值。
• 要是用SQL来实现，逻辑也是完全一致的：先做JOIN，再用WHERE子句筛选区间。核心SQL语句大概是这样：

SELECT i.*, d.`daily price`
FROM intraday_table i
JOIN daily_table d ON i.name = d.name AND i.date = d.date
WHERE i.`intraday price` BETWEEN d.`daily price`*0.962 AND d.`daily price`*1.0398;

内容的提问来源于stack exchange，提问作者Amin Karimi