python3.x - Python数据缺失怎么顺延与数据分段求值？

Question

import pandas as pdimport globimport osos.chdir('path/stock_hfqqa')  summ=pd.DataFrame()for file in glob.glob('*.csv'):    fname='.'.join(file.split('.')[0:2])    df=pd.read_csv(file,dtype={'trade_date':'str'})    df['trade_date']=pd.to_datetime(df['trade_date'])    df['year']=df['trade_date'].dt.year    min_row=df[df['year']==2020]['close'].idxmin()    end_date_min=df.iloc[min_row]['trade_date']    start_date_min=end_date_min-pd.Timedelta(days=100)    mindf=df.loc[(df['trade_date']>=start_date_min) & (df['trade_date']<=end_date_min)]    tempdf=mindf.head(1).copy()    tempdf['date_start']=start_date_min    summ=summ.append(tempdf,ignore_index=True)    filemin=fname+'_min'+'.xlsx'    mindf.to_excel(filemin,index=False)    max_row=df[df['year']==2020]['close'].idxmax()    end_date_max=df.iloc[max_row]['trade_date']    start_date_max=end_date_max-pd.Timedelta(days=100)    maxdf=df.loc[(df['trade_date']>=start_date_max) & (df['trade_date']<=end_date_max)]    tempdf=maxdf.head(1).copy()    tempdf['date_start']=start_date_max    summ=summ.append(tempdf,ignore_index=True)       filemax=fname+'_max'+'.xlsx'    maxdf.to_excel(filemax,index=False)summ=summ[['ts_code','date_start','trade_date','close']]summ.columns=['ts_code','date_start','date_end','close']summ.to_excel('bbbb.xlsx',index=False)

计算出的 start_date_min 日期当日可能有数据也可能没数据，当没数据就想顺延到有数据的日期，请问怎么改代码，谢谢。。。。
还有个问题就是2020怎么换成年份字符窜，有知道的一起指教，就是怎么求每只 code 每年的最低最高价，一年一年算很麻烦，就想一下算所有的，一并谢了。。。

Answer 1

CSV 文件：

import pandas as pdimport datetime# 创建示例数据data = {    'trade_date': [datetime.date(2020, i, 1).strftime('%Y-%m-%d') for i in range(1, 13)],    'ts_code': ['000001.SZ'] * 12,    'close': [10, 9, 8, 7, 6, 7, 8, 9, 10, 11, 12, 13]}df = pd.DataFrame(data)# 保存为 CSV 文件df.to_csv('000001.SZ.csv', index=False)

修改：

import osimport glob# 设置工作目录os.chdir('/path/to/csv/files')# 创建 summ DataFramesumm = pd.DataFrame()# 遍历 CSV 文件for file in glob.glob('*.csv'):    fname = '.'.join(file.split('.')[0:2])    df = pd.read_csv(file, dtype={'trade_date': 'str'})    df['trade_date'] = pd.to_datetime(df['trade_date'])    df['year'] = df['trade_date'].dt.year.astype(str)  # 将年份转为字符串    # 以下为找到最小值的部分，并使用 bfill() 处理缺失数据    min_row = df[df['year'] == '2020']['close'].idxmin()    end_date_min = df.iloc[min_row]['trade_date']    start_date_min = end_date_min - pd.Timedelta(days=100)    start_idx_min = df.loc[df['trade_date'] >= start_date_min].index.min()    if pd.isnull(df.loc[start_idx_min, 'close']):        start_date_min = df.loc[start_idx_min:].bfill().iloc[0]['trade_date']    mindf = df.loc[(df['trade_date'] >= start_date_min) & (df['trade_date'] <= end_date_min)]    tempdf = mindf.head(1).copy()    tempdf['date_start'] = start_date_min    summ = summ.append(tempdf, ignore_index=True)    filemin = fname + '_min' + '.xlsx'    mindf.to_excel(filemin, index=False)    # 同理处理最大值的部分    max_row = df[df['year'] == '2020']['close'].idxmax()    end_date_max = df.iloc[max_row]['trade_date']    start_date_max = end_date_max - pd.Timedelta(days=100)    start_idx_max = df.loc[df['trade_date'] >= start_date_max].index.min()    if pd.isnull(df.loc[start_idx_max, 'close']):        start_date_max = df.loc[start_idx_max:].bfill().iloc[0]['trade_date']    maxdf = df.loc[(df['trade_date'] >= start_date_max) & (df['trade_date'] <= end_date_max)]    tempdf = maxdf.head(1).copy()    tempdf['date_start'] = start_date_max    summ = summ.append(tempdf, ignore_index=True)    filemax = fname + '_max' + '.xlsx'    maxdf.to_excel(filemax, index=False)# 结果保存为 Excel 文件summ = summ[['ts_code', 'date_start', 'trade_date', 'close']]summ.columns = ['ts_code', 'date_start', 'date_end', 'close']summ.to_excel('bbbb.xlsx', index=False)