如何缩放时间序列B以匹配A的累积涨跌幅并保留A原始值

• 核心思路：将B的累积百分比变化趋势，线性映射到A的数值区间内，同时可对齐初始值，确保保留A原始值的前提下，B的变化趋势与df.B.pct_change().fillna(0).cumsum()完全一致，且数值范围与A匹配。

具体步骤及代码实现：

1. 计算B的累积百分比变化序列（这是需要保留的核心趋势）：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 3, 2, 5, 2, 8, 3],
    'B': [10, 33, 22, 39, 30, 66, 34],
})

# 计算B的累积百分比变化
cum_pct_B = df['B'].pct_change().fillna(0).cumsum()

2. 获取A的数值范围，确定缩放目标区间：

A_min = df['A'].min()
A_max = df['A'].max()

3. 将B的累积百分比变化序列线性缩放到A的数值区间：

# 获取B累积百分比变化的自身范围
cpB_min = cum_pct_B.min()
cpB_max = cum_pct_B.max()

# 线性缩放公式
B_scaled = A_min + (cum_pct_B - cpB_min) * (A_max - A_min) / (cpB_max - cpB_min)

4. 可选：对齐初始值，让缩放后的B与A的起点完全一致：

offset = df['A'].iloc[0] - B_scaled.iloc[0]
B_scaled = B_scaled + offset

验证：此时df['A']保留原始数值，B_scaled的走势与B的累积百分比变化完全一致，且数值范围与A高度匹配，满足同维度对比需求。

内容的提问来源于stack exchange，提问作者jamesB