如何在Pandas中基于单日涨跌幅计算初始金额的逐日演变值

你不需要手动用shift迭代计算，Pandas的cumprod()函数可以直接实现累积乘积运算，这是最简洁高效的解决方案。

具体步骤： #

1. 计算自定义变异值：这一步你已经完成，将每日涨跌幅转换为计算用的乘数：

   df['daily_var_custo'] = 1 + df['Daily Variation'] / 100
   

2. 生成金额演变列：以初始值100为起点，乘以daily_var_custo的累积乘积，即可得到每日的金额：

   df['std'] = 100 * df['daily_var_custo'].cumprod()
   

为什么你的shift方法无效？ #

当你执行df['std'] = df['std'].shift(1) * df['daily_var_custo']时，df['std']只有第一行有值，后续行的shift(1)会返回NaN（对应位置的前一行还未完成计算），这种方式无法自动完成迭代计算。而cumprod()是矢量化操作，会一次性计算所有行的累积乘积，从根源上避免了这个问题。

示例验证 #

假设你的测试DataFrame如下：

import pandas as pd

data = {
    'Date': ['2023-01-01', '2023-01-02', '2023-01-03'],
    'Daily Variation': [2, -1, 3]
}
df = pd.DataFrame(data)

# 计算自定义变异值
df['daily_var_custo'] = 1 + df['Daily Variation'] / 100

# 生成金额列
df['std'] = 100 * df['daily_var_custo'].cumprod()

执行后std列的结果为：

• 2023-01-01: 102.0（100×1.02）
• 2023-01-02: 100.98（102×0.99）
• 2023-01-03: 104.0094（100.98×1.03）

如果需要将初始值100作为第一行（不应用当日涨跌幅），可以调整代码为：

df.loc[0, 'std'] = 100
df.loc[1:, 'std'] = 100 * df['daily_var_custo'].iloc[1:].cumprod()

内容的提问来源于stack exchange，提问作者Max