如何按年份分组DataFrame并计算DailyChange列的几何均值？

代码分析与问题排查 #

1. 分组逻辑验证 #

你的分组逻辑是正确的：

• pd.Grouper(key="data", freq="Y") 会按自然年对日期列分组，默认返回每年的最后一天作为分组标签（比如2023年的分组标签是2023-12-31）
• 后续通过dt.year提取年份，最终得到以年份为标识的分组结果，这部分没有问题。

2. stats.gmean 使用注意事项 #

这里需要注意两个核心点：

• 几何均值的输入限制：scipy.stats.gmean 要求所有输入值必须为正数，因为几何均值基于数值乘积开方计算，0或负数会导致计算错误或无意义结果。

• 变动率的转换逻辑：如果你的DailyChange是百分比形式（比如-5代表下跌5%，+3代表上涨3%），当前的x.dropna() + 100是把变动率转成100+变动值（比如-5→95），这种转换本身可行，但要确保DailyChange > -100，否则x+100会≤0，触发gmean报错。

  更符合行业惯例的转换方式是将变动率转成增长因子：1 + x.dropna()/100（比如-5%→0.95，+3%→1.03），计算几何均值后再转回百分比：(gmean_result - 1)*100，两种方式结果一致，但增长因子的形式更直观易懂。

3. 可能的问题触发点 #

如果代码运行报错或结果不符合预期，大概率是以下情况：

• 存在DailyChange ≤ -100的异常值，导致x+100≤0，gmean无法计算
• 某年份的DailyChange全部为缺失值，x.dropna()后为空序列，触发计算错误

修正后的代码示例 #

针对上述问题，可加入异常值过滤和空值判断：

import pandas as pd
from scipy import stats

df = pd.read_csv("data_with_changes.csv")
df["data"] = pd.to_datetime(df["data"])

def calc_geo_mean(x):
    # 过滤掉会导致增长因子<=0的异常值
    valid_values = x.dropna()
    valid_values = valid_values[valid_values > -100]
    if len(valid_values) == 0:
        return None  # 无有效数据时返回空值
    # 用增长因子计算几何均值
    growth_factors = 1 + valid_values / 100
    geo_mean_factor = stats.gmean(growth_factors)
    return (geo_mean_factor - 1) * 100

df_result = df.groupby(pd.Grouper(key="data", freq="Y"))["DailyChange"].apply(calc_geo_mean).reset_index()

df_result.columns = ["Year", "GeometricMean"]
df_result["Year"] = df_result["Year"].dt.year
df_result.to_csv("average_daily_change.csv", index=False)

内容的提问来源于stack exchange，提问作者Jiri