如何在Python中找到给定日期期间每个季度的最后一天？

Question

现在我有一个这样的数据框： （代码和日期是索引）

Ticker  Date        Open    Low High    Close   Adj. Close  Shares Outstanding                              
A       2007-01-25  34.99   34.05      35.48    34.30       NaN
        2007-01-26  34.30   33.46      34.60    34.41       NaN
        ....
        2007-06-27  34.30   34.00      34.40    34.09       NaN
        2007-06-28  33.98   33.68      34.08    33.97       NaN
        2007-07-01  34.08   33.63      34.32    34.01       NaN
B       2007-01-12  34.99   34.05      35.48    34.30       NaN
        ...
        2007-08-27  34.30   33.46      34.60    34.41       NaN
        2007-08-28  34.30   34.00      34.40    34.09       NaN
        2007-09-01  33.98   33.68      34.08    33.97       NaN
        2007-09-02  34.08   33.63      34.32    34.01       NaN
C       2007-03-28  34.99   34.05      35.48    34.30       NaN
        2007-03-29  34.30   33.46      34.60    34.41       NaN
        2007-04-01  34.30   34.00      34.40    34.09       NaN
        2007-04-02  33.98   33.68      34.08    33.97       NaN
        2007-04-03  34.08   33.63      34.32    34.01       NaN

对于每个股票，多年来每天都有股票价格。但是，我只想要每家公司的季度末价格，并获得所有公司季度末价格的数据框。我还想将所有公司的每个季度分成不同的数据框。

例如：

Ticker  Date        Open    Low High    Close   Adj. Close  Shares Outstanding                              
A       2007-06-30  34.99   34.05      35.48    34.30       NaN
B       2007-06-30  34.30   33.46      34.60    34.41       NaN
        ....
c       2007-06-30  34.30   34.00      34.40    34.09       NaN

曾经的问题是，由于周末股市不会开市。因此，每个股票代码的季度末可能不是日历季度末。例如，第二季度结束于 6/30，但股票季度结束可能是 6/29。有没有办法可以找到每个季度给定日期范围的最后一天？

Answer 1

您只需要一个简单的 GroupBy：

quarter = pd.PeriodIndex(df['Date'], freq='Q', name='Quarter')
result = df.groupby(['Ticker', quarter]).last()

要获取特定季度的数据：

result.loc[('A', '2019Q1')]

Answer 2

我将首先通过groupby 和last 计算每个季度每个股票代码的最后一行到一个临时数据帧中，然后从中提取每个季度的各个数据帧：

tmp = df.groupby(['Ticker', pd.PeriodIndex(df['Date'], freq='Q',   name='Quarter')]

).last().reset_index(level=0)

individual_df = {str(i): df.reset_index(drop=True) for i, df in tmp.groupby(['Quarter'])}

使用您的示例数据，它给出：

>>> pprint.pprint(individual_df)

{'2007Q1':   Ticker       Date   Open  Low High  Close  Adj. Close  Shares Outstanding
0      A 2007-01-26  34.30     33.46  34.60       34.41                 NaN
1      B 2007-01-12  34.99     34.05  35.48       34.30                 NaN
2      C 2007-03-29  34.30     33.46  34.60       34.41                 NaN,
 '2007Q2':   Ticker       Date   Open  Low High  Close  Adj. Close  Shares Outstanding
0      A 2007-06-28  33.98     33.68  34.08       33.97                 NaN
1      C 2007-04-03  34.08     33.63  34.32       34.01                 NaN,
 '2007Q3':   Ticker       Date   Open  Low High  Close  Adj. Close  Shares Outstanding
0      A 2007-07-01  34.08     33.63  34.32       34.01                 NaN
1      B 2007-09-02  34.08     33.63  34.32       34.01                 NaN}