基于日内数据计算每日高低价：DataFrame时间索引问题求助

我之前也踩过这个坑！用resample('D')处理非午夜起始的日内数据时，确实会出现NaN的问题，原因其实很简单：resample('D')是严格按自然日午夜来划分周期的，比如你2018-05-13的数据从18:00开始，resample生成的日度最高值对应的索引是2018-05-13 00:00:00，和原DataFrame的2018-05-13 18:00:00及之后的索引完全不匹配，赋值后自然全是NaN，ffill也救不了——要么填充的是前一天的旧值，要么还是NaN。

正确的实现方法：用groupby + transform #

直接按日期分组（不管当天的起始时间），然后用transform把每日的最高/最低值填充到对应行的每一条记录里，完美适配任意起始时间的日内数据：

# 假设你的DataFrame名为df，包含'high'和'low'列
# 添加每日最高列
df['day_high'] = df.groupby(df.index.date)['high'].transform('max')
# 添加每日最低列
df['day_low'] = df.groupby(df.index.date)['low'].transform('min')

原理说明 #

• df.index.date会提取每个datetime索引的日期部分（比如2018-05-13 18:00:00会被提取为2018-05-13），所有同一天的行都会被分到同一组；
• transform('max')会计算该组的最大值，然后把这个值填充到组内的每一行，这样每个时间点的记录都会对应到当天的真实最高/最低值，完全不会出现NaN。

替代写法（效果一致） #

如果习惯用时间周期的方式分组，也可以用floor('D')把索引向下取整到当天午夜，分组效果是一样的：

df['day_high'] = df.groupby(df.index.floor('D'))['high'].transform('max')
df['day_low'] = df.groupby(df.index.floor('D'))['low'].transform('min')

这样处理后，不管你当天的数据是从18:00、9:30还是任何时间开始，都能准确生成对应的Daily High和Daily Low列，再也不会有NaN的问题啦！

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