Простая нумерация строк в Python Pandas ежемесячно ⇐ Python

[Anonymous]

Мне не удалось найти решение для торговых исследований.
У меня есть большой набор рыночных данных за 1993–2024 годы.
Так как календарные дни не совпадают с торговыми днями. Это может быть реализовано по «рабочим дням», но кто знает, совпадают ли праздничные/рабочие дни с торговыми днями. Мне нужно получить торговый день месяца, если соблюдены определенные условия.

Код: Выделить всё

                  Day        Open        High         Low       Close     Volume  trading_day
Date
2010-01-04     Monday  112.370003  113.389999  111.510002  113.330002  118944600            1
2010-01-05    Tuesday  113.260002  113.680000  112.849998  113.629997  111579900            2
2010-01-06  Wednesday  113.519997  113.989998  113.430000  113.709999  116074400            3
2010-01-07   Thursday  113.500000  114.330002  113.180000  114.190002  131091100            4
2010-01-08     Friday  113.889999  114.620003  113.660004  114.570000  126402800            5
2010-01-11     Monday  115.080002  115.129997  114.239998  114.730003  106375700            6
2010-01-12    Tuesday  113.970001  114.209999  113.220001  113.660004  163333500            7
2010-01-13  Wednesday  113.949997  114.940002  113.370003  114.620003  161822000            8
2010-01-14   Thursday  114.489998  115.139999  114.419998  114.930000  115718800            9
2010-01-15     Friday  114.730003  114.839996  113.199997  113.639999  212283100           10
2010-01-19    Tuesday  113.620003  115.129997  113.589996  115.059998  139172700           11
2010-01-20  Wednesday  114.279999  114.449997  112.980003  113.889999  216490200           12
2010-01-21   Thursday  113.919998  114.269997  111.559998  111.699997  344859600           13
2010-01-22     Friday  111.199997  111.739998  109.089996  109.209999  345942400           14
2010-01-25     Monday  110.209999  110.410004  109.410004  109.769997  186937500           15
2010-01-26    Tuesday  109.339996  110.470001  109.040001  109.309998  211168800           16
2010-01-27  Wednesday  109.169998  110.080002  108.330002  109.830002  271863600           17
2010-01-28   Thursday  110.190002  110.250000  107.910004  108.570000  316104000           18
2010-01-29     Friday  109.040001  109.800003  107.220001  107.389999  310677600           19

Выше приведен пример того, чего я пытаюсь достичь. Мне удалось это сделать, выбрав один месяц для тестирования с помощью следующего кода.

Код: Выделить всё

df_test['trading_day'] = range(1, len(df_test) + 1)

Конечно, с 1993 года прошло около 300+ месяцев, поэтому было бы адом делать все это вручную.
Я справился в df.groupby по месяцам с помощью следующего кода:

Код: Выделить всё

df_grouped_monthly = df.groupby(pd.Grouper(freq='M'))

и попытался применить тот же счетчик, что и выше. К сожалению, это не работает с сгруппированными df. Я попробовал .transform(add(1))
Возможные решения: либо получить сгруппированную позицию строки - понятия не имею, наследуется ли номер строки от исходного df, или он подсчитывается на основе в groupby.
Или добавьте указанный выше счетчик в сгруппированный df. Мне не удалось добавить дополнительный столбец в сгруппированный df.
Любые предложения, как добиться вышеописанного с помощью df для всего набора данных на ежемесячной основе.

Подробнее здесь: https://stackoverflow.com/questions/790 ... thly-basis