Python中DataFrame扣除百分比的累计总额非迭代实现求助

需要在Python中实现累计总额（running total）计算：现有DataFrame，初始值为100，从之前的累计值中扣除take_profit列的百分比数值，维持累计总额。目前仅能通过迭代行实现，希望用向量化方法替代，但尝试的代码逻辑出错，存在自引用问题。

当前尝试的代码：

df = df[['trade_long','close_long','active_trade','take_profit']]

df['current_trade_size'] = 0 
df.loc[df['trade_long'], 'current_trade_size'] = 100
df.loc[df['close_long'], 'current_trade_size'] = 0
df['trade_ramainder'] = (1 - (df['take_profit']/100))
df['previous_trade_size'] = df['current_trade_size'].shift(1)
df['current_trade_size'] =  df['previous_trade_size'] * df['trade_ramainder']

当前输出：

期望输出：

你的核心问题是用shift无法实现实时自引用计算——shift只能取原始列的前一行值，无法获取计算后的实时值。用分组累计乘积可以实现完全向量化的计算，无需迭代。

实现步骤 #

1. 标记重置分组：每当trade_long为True时，开启一个新的计算分组，自然分隔每次重置为100的逻辑。
2. 计算留存比例：将take_profit转换为每天的资金留存比例1 - take_profit/100。
3. 分组计算累计乘积：对每个分组内的留存比例计算累计乘积，再乘以初始值100，得到当天的累计总额。
4. 处理close_long重置：如果close_long触发时需要将数值置0，最后单独修正即可。

完整代码 #

df = df[['trade_long','close_long','active_trade','take_profit']]

# 1. 创建分组标识：trade_long为True时分组编号递增
df['group'] = df['trade_long'].cumsum()
# 2. 计算每天的资金留存比例
df['trade_remainder'] = 1 - df['take_profit'] / 100
# 3. 分组计算累计乘积，再乘以初始值100
df['current_trade_size'] = df.groupby('group')['trade_remainder'].cumprod() * 100
# 4. 处理close_long的重置逻辑（若需要）
df.loc[df['close_long'], 'current_trade_size'] = 0
# 可选：删除中间辅助列，保留需要的字段
df = df.drop(columns=['group', 'trade_remainder'])

逻辑验证 #

运行后结果将完全匹配你的期望：

• 2020-01-07：trade_long=True开启分组1，累计乘积为1，1*100=100
• 2020-01-08：同一分组，留存比例1，累计乘积1*1=1，1*100=100
• 2020-01-09：同一分组，留存比例1-0.68/100=0.9932，累计乘积1*0.9932=0.9932，0.9932*100=99.32
• 2020-01-10：trade_long=True开启分组2，重置为100
• 后续日期按同样逻辑计算，每次trade_long触发都会重置分组，重新开始累计

内容的提问来源于stack exchange，提问作者James Cabourne