Python 熊猫宝洁；我要到下一个工作日

我很难有效地做到这一点。我在数据框中有一些股票和每日损益信息。实际上，我有数百万行数据，因此效率非常重要！ 数据帧看起来像：

-------------------------------
| Date       | Security | P&L |
-------------------------------
| 2016-01-01 | AAPL     | 100 |
-------------------------------
| 2016-01-02 | AAPL     | 200 |
-------------------------------
| 2016-01-03 | AAPL     | 300 |
-------------------------------
| 2016-01-04 | AAPL     | -200 |
-------------------------------

我想做的就是将损益滚动到下一个工作日（不包括所有美国节假日和周末） 因此，生成的数据帧如下所示：

-------------------------------
| Date       | Security | P&L |
-------------------------------
| 2016-01-04 | AAPL     | 400 |
-------------------------------

我正在寻找一种有效的方法来实现这一点。不幸的是，我有数以千计的证券和超过5年的数据要处理，所以暴力无法工作

---

提前感谢您，非常感谢您的指点

我们可以创建业务日期的数据框架，然后

merge\u asof

。然后我们就可以把它分组得到总数

import pandas as pd
from pandas.tseries.holiday import USFederalHolidayCalendar

#df['Date'] = pd.to_datetime(df.Date)
date_min = '2015-01-01'
date_max = '2016-12-31'

cal = USFederalHolidayCalendar()
holidays = cal.holidays(date_min, date_max).tolist()
df2 = pd.DataFrame({'bdate': pd.bdate_range(date_min, date_max, 
                                            holidays=holidays, freq='C')})

res = pd.merge_asof(df, df2, left_on='Date', right_on='bdate', direction='forward')
#        Date Security  P&L      bdate
#0 2016-01-01     AAPL  100 2016-01-04
#1 2016-01-02     AAPL  200 2016-01-04
#2 2016-01-03     AAPL  300 2016-01-04
#3 2016-01-04     AAPL -200 2016-01-04

res.groupby(['Security', 'bdate'])['P&L'].sum()
#Security  bdate     
#AAPL      2016-01-04    400

---

我们可以创建业务日期的数据框架，然后

merge\u asof

。然后我们就可以把它分组得到总数

import pandas as pd
from pandas.tseries.holiday import USFederalHolidayCalendar

#df['Date'] = pd.to_datetime(df.Date)
date_min = '2015-01-01'
date_max = '2016-12-31'

cal = USFederalHolidayCalendar()
holidays = cal.holidays(date_min, date_max).tolist()
df2 = pd.DataFrame({'bdate': pd.bdate_range(date_min, date_max, 
                                            holidays=holidays, freq='C')})

res = pd.merge_asof(df, df2, left_on='Date', right_on='bdate', direction='forward')
#        Date Security  P&L      bdate
#0 2016-01-01     AAPL  100 2016-01-04
#1 2016-01-02     AAPL  200 2016-01-04
#2 2016-01-03     AAPL  300 2016-01-04
#3 2016-01-04     AAPL -200 2016-01-04

res.groupby(['Security', 'bdate'])['P&L'].sum()
#Security  bdate     
#AAPL      2016-01-04    400

---

IIUC您可以执行以下操作：

将熊猫作为pd导入
从pandas.tseries.holiday导入USFederalHolidayCalendar
将numpy作为np导入
日期\分钟='2015-01-01'
日期=2016年12月31日
cal=USFederalHolidayCalendar（）
假日=校准假日（日期最小值，日期最大值）.tolist（）
df=pd.DataFrame（{“Date”：pd.Date\u范围（Date\u min，Date\u max）}）
df[“安全性”]=“应用程序”
df[“损益”]=np.random.randint（-1000，1000，len（df））
df[~df[“日期”].isin（假日）].groupby（“安全”）\
.agg（{“日期”：“最大值”，
“损益表”：“总和”}）\
.reset_index（）

IIUC您可以执行以下操作：

将熊猫作为pd导入
从pandas.tseries.holiday导入USFederalHolidayCalendar
将numpy作为np导入
日期\分钟='2015-01-01'
日期=2016年12月31日
cal=USFederalHolidayCalendar（）
假日=校准假日（日期最小值，日期最大值）.tolist（）
df=pd.DataFrame（{“Date”：pd.Date\u范围（Date\u min，Date\u max）}）
df[“安全性”]=“应用程序”
df[“损益”]=np.random.randint（-1000，1000，len（df））
df[~df[“日期”].isin（假日）].groupby（“安全”）\
.agg（{“日期”：“最大值”，
“损益表”：“总和”}）\
.reset_index（）
“你可以使用<代码>工作日< /代码>，这个库你可以考虑使用<代码> DASK < /代码>这里。你有天要掉的列表吗？@ ANSEV你可以使用<代码>工作日。这个库你可以考虑使用<代码> DASK < /代码>。谢谢。我想这样做不会改变。在达斯克，如果你想跑得更快。我建议你，如果这是一个日常工作，你应该考虑其他方法。是的，我不知道DASK…看起来很有前途……去尝试一下吧！谢谢谢谢谢谢…我想这样就可以了如果你想让dask运行得更快的话，它应该在不改变dask的情况下工作。我建议你，如果这是一个日常工作，你应该考虑其他方法。是的，我不知道DASK…看起来很有前途……去尝试一下吧！谢谢你。这将是1:1的合并，带来未来最接近的工作日，因此不必担心改变形状。只需确保指定适当的最小和最大日期来包含完整的数据集。它应该。这将是1:1的合并，带来未来最接近的工作日，因此不必担心改变形状。只需确保指定适当的最小和最大日期来包含完整的数据集。