本文介绍使用 pandas groupby().transform('first') 方法，为多日时间序列数据中每个日期组填充当日首个价格值，高效生成如 Price_0 或 Beg_Price 这类基准列，避免索引混乱与循环陷阱。
本文介绍使用 pandas `groupby().transform('first')` 方法，为多日时间序列数据中每个日期组填充当日首个价格值，高效生成如 `price_0` 或 `beg_price` 这类基准列，避免索引混乱与循环陷阱。
在处理带日期维度的高频时间序列数据（如日内股票报价）时，一个常见需求是：为每一天的所有时间点，统一标注当日首个观测值（即开盘价或起始价）。例如，你有两天共14条记录，每天7个时间点（Time_IDX = 1~7），希望新增一列 Price_0，使其等于该日期下 Time_IDX == 1 对应的 Price，并在同日内保持不变。
初学者常陷入以下误区：
- 尝试用 df.loc[df['Time_IDX'] == 1, 'Price'] 直接赋值，但无法广播到全组；
- 使用 groupby('Date').apply() 配合 iloc[0]，但易因索引对齐问题导致长度不匹配；
- 误将 Time_IDX 设为索引后调用 first()，却忽略了其非唯一性带来的分组失效；
- 试图用循环遍历日期再切片赋值，代码冗长且性能差。
✅ 正确解法是：利用 pandas.DataFrame.groupby().transform() —— 它能在保持原始 DataFrame 形状的前提下，对每组应用聚合函数并广播结果。
以下是完整可运行示例：
import pandas as pd
# 构造示例数据（2天 × 7个时间点）
df = pd.DataFrame({
'Date': ['2024-04-23'] * 7 + ['2024-04-24'] * 7,
'Time_IDX': list(range(1, 8)) * 2,
'Price': [288, 298, 301, 289, 300, 287, 295,
302, 305, 310, 299, 300, 285, 290]
})
# ✅ 关键一步：按 Date 分组，对 Price 列执行 transform('first')
df['Price_0'] = df.groupby('Date')['Price'].transform('first')
df['Beg_Price'] = df['Price_0'] # 同义列，语义更清晰
print(df)输出结果将严格对齐原始行数，且每组内 Price_0 均等于该日期第一条记录的 Price 值（即 Time_IDX == 1 对应的价格）：
Date Time_IDX Price Price_0 Beg_Price 0 2024-04-23 1 288 288 288 1 2024-04-23 2 298 288 288 2 2024-04-23 3 301 288 288 ... 7 2024-04-24 1 302 302 302 8 2024-04-24 2 305 302 302 ...
? 注意事项：
- transform('first') 默认取每组第一个非空值（忽略 NaN），若首行为 NaN，会自动跳至下一个有效值；如需严格取索引位置 0 的值（即使为 NaN），请改用 transform(lambda x: x.iloc[0])；
- 确保 'Date' 列为字符串或 datetime 类型且无格式混杂（如 '2024/04/23' 与 '2024-04-23' 并存会导致分组错误）；
- 若原始数据未按日期排序，transform('first') 仍按物理顺序取每组首个出现值——建议先执行 df.sort_values(['Date', 'Time_IDX'], inplace=True) 保证逻辑一致性；
- 该方法时间复杂度为 O(n)，远优于 for 循环或 apply，适合大规模时间序列扩展。
掌握 groupby().transform() 是 Pandas 数据清洗中的关键技能——它让“组内广播”操作既简洁又健壮，是替代手动循环和复杂索引逻辑的首选方案。
