如何在Python中对DataFrame浮点列批量应用自定义函数生成新列

基础实现方案（适合新手理解） #

假设你的DataFrame名为df，日期列名为Date，已导入numpy和pandas：

1. 确认收益率计算函数（若未定义可直接用下方代码）：

import numpy as np

def calculate_return(x):
    return np.log(x.div(x.shift(3)))

2. 筛选需要处理的浮点类型列（排除日期列）：

# 获取所有浮点类型列
float_columns = df.select_dtypes(include=['float64', 'float32']).tolist()
# 移除日期列（避免误处理）
float_columns = [col for col in float_columns if col != 'Date']

3. 批量应用函数生成新列：

for col in float_columns:
    df[f"{col}_Ret"] = calculate_return(df[col])

更简洁的实现方式 #

方式1：字典推导式+assign方法（一行完成） #

df = df.assign(**{
    f"{col}_Ret": np.log(df[col] / df[col].shift(3)) 
    for col in df.select_dtypes(include=['float64', 'float32']).columns 
    if col != 'Date'
})

方式2：先处理再合并 #

# 单独处理目标列生成收益率DataFrame
ret_df = df[float_columns].apply(lambda x: np.log(x/x.shift(3)))
# 重命名列名
ret_df.columns = [f"{col}_Ret" for col in ret_df.columns]
# 合并回原DataFrame
df = pd.concat([df, ret_df], axis=1)

注意事项 #

• 由于使用shift(3)，新生成的收益率列前3行会是NaN值，可根据模型需求用df.dropna()删除这些行，或用df.fillna()填充（比如0、均值等）。
• 若DataFrame中存在其他非浮点、非日期的列，上述方法会自动跳过，无需额外过滤。

内容的提问来源于stack exchange，提问作者CristinaK