如何为股票数据的月度首个交易日添加Dummy variable（D_FoM）列

嘿，我来帮你搞定这个需求！你已经成功筛选出了月度首个交易日的数据，现在只需要把这些日期标记到原DataFrame里就可以啦，步骤其实很简单：

首先先修正你原代码里的一个小问题——导入语句要分开写，不能连在一起：

import pandas_datareader as web
import pandas as pd
import numpy as np
import datetime as dt

接下来获取数据并处理索引（注意：google数据源目前已失效，建议改用'yahoo'；如果是你自己的本地数据，直接跳过数据源部分即可）：

# 获取AAPL数据
df = web.DataReader('AAPL', 'yahoo')
# 如果你的数据里单独有Date列，才需要执行下面这行；用yahoo数据源的话，索引本身就是日期，可跳过
# df = df.set_index(pd.to_datetime(df['Date']))
df.sort_index(inplace=True)

然后提取所有月度首个交易日的日期：

# 按月度起始频率分组，取每组第一行，提取这些行的索引（即目标日期）
first_trading_days = df.groupby(pd.Grouper(freq='MS')).nth(0).index

最后新增D_FoM列并完成标记：

# 先给所有行默认设为0
df['D_FoM'] = 0
# 把月度首个交易日对应的单元格设为1
df.loc[first_trading_days, 'D_FoM'] = 1

这样你就能看到原DataFrame里多了一列D_FoM，只有每个月第一个交易日的行是1，其他都是0啦。

确实如你所说，R里用dplyr这类工具处理分组标记可能会更简洁，但Python里这个写法也很直观，完全能满足需求～

内容的提问来源于stack exchange，提问作者completen00b