在 pandas DataFrame 上运行 apply() 时如何访问 DateTime 索引？

Question

我有两个 pandas DataFrame，daily_data 包含股票的每日收盘价数据，weekly_data 包含每周收盘价数据。

每日数据：

                               close
Date
2022-05-02 00:00:00-04:00  30.389999
2022-05-03 00:00:00-04:00  29.469999
2022-05-04 00:00:00-04:00  28.100000
2022-05-05 00:00:00-04:00  26.830000
2022-05-06 00:00:00-04:00  26.070000
2022-05-09 00:00:00-04:00  23.049999
2022-05-10 00:00:00-04:00  23.670000
2022-05-11 00:00:00-04:00  22.570000
2022-05-12 00:00:00-04:00  23.290001
2022-05-13 00:00:00-04:00  24.389999
2022-05-16 00:00:00-04:00  23.590000
...

每周数据：

                               close
Date
2022-05-02 00:00:00-04:00  26.070000
2022-05-09 00:00:00-04:00  24.389999
2022-05-16 00:00:00-04:00  23.350000
2022-05-23 00:00:00-04:00  23.670000
2022-05-30 00:00:00-04:00  24.150000
2022-06-06 00:00:00-04:00  23.719999
...

我正在每日 DataFrame 上运行 apply(func1)。
在 func1() 中，我需要获取当天所属周的 iloc 索引：

import pandas as pd

def func1(x)
    weekly_index = data_weekly.index.get_indexer([pd.to_datetime(x.index)], method='pad')
    return weekly_index[0]

daily_data['weekly_index'] = daily_data.apply(func1)

运行此代码时，我收到“不可散列类型：'DatetimeIndex'”错误。
但是，如果我只是在 func1() 之外运行以下代码，它就可以工作：

index = weekly_data.index.get_indexer([pandas.to_datetime('2022-05-23 00:00:00-04:00')], method='pad')

任何关于如何在 apply() 中实现这项工作的见解将不胜感激。

Answer 1

IIUC 你可以做：

def func1(x):
    weekly_index = weekly_data.index.get_indexer(x.index, method="pad")
    return weekly_index

daily_data["weekly_index"] = daily_data.apply(func1)
print(daily_data)

打印：

                               close  weekly_index
Date                                              
2022-05-02 00:00:00-04:00  30.389999             0
2022-05-03 00:00:00-04:00  29.469999             0
2022-05-04 00:00:00-04:00  28.100000             0
2022-05-05 00:00:00-04:00  26.830000             0
2022-05-06 00:00:00-04:00  26.070000             0
2022-05-09 00:00:00-04:00  23.049999             1
2022-05-10 00:00:00-04:00  23.670000             1
2022-05-11 00:00:00-04:00  22.570000             1
2022-05-12 00:00:00-04:00  23.290001             1
2022-05-13 00:00:00-04:00  24.389999             1
2022-05-16 00:00:00-04:00  23.590000             2