如何让pct_change()的首个值不为NaN？求更高效实现方案

问题场景 #

给定以下DataFrame：

import pandas as pd 
df = pd.DataFrame(
    {
        'a': [20, 30, 2, 5, 10]
    }
)

需要生成pct_change列：

• 首行值通过df.a.iloc[0]与固定值40对比计算
• 后续行使用常规的相邻行百分比变化逻辑
  最终期望输出：

a  pct_change
0  20  -50.000000
1  30   50.000000
2   2  -93.333333
3   5  150.000000
4  10  100.000000

常规df.a.pct_change().mul(100)会导致首行值为NaN，以下是几种更简洁高效的实现方式：

方法1：填充首行NaN（最简洁） #

先计算常规的百分比变化，再直接替换首行的NaN值，无需自定义函数：

df['pct_change'] = df['a'].pct_change().mul(100)
# 直接赋值首行的自定义计算结果
df['pct_change'].iloc[0] = ((df['a'].iloc[0] - 40) / 40) * 100

或者用fillna一次性完成填充：

first_pct = ((df['a'].iloc[0] - 40) / 40) * 100
df['pct_change'] = df['a'].pct_change().mul(100).fillna(first_pct)

方法2：构造完整基准序列（逻辑统一） #

手动构造用于对比的基准序列：首元素为40，后续元素为a列的前一行值，直接整体计算所有行的百分比变化，避免单独处理首行：

# 构造基准序列：[40, 20, 30, 2, 5]
base = pd.Series([40] + df['a'].tolist()[:-1], index=df.index)
df['pct_change'] = ((df['a'] - base) / base) * 100

这种方式无需处理NaN，所有行的计算逻辑完全一致，代码可读性更强。

方法3：用shift生成对比序列（贴近pct_change本质） #

pct_change的本质是(当前值/前值 - 1) * 100，我们可以用shift生成前值序列，再替换首行的前值为40：

prev_vals = df['a'].shift(1)
prev_vals.iloc[0] = 40
df['pct_change'] = ((df['a'] / prev_vals) - 1) * 100

内容的提问来源于stack exchange，提问作者AmirX