如何在保留cumprod逻辑的同时实现DataFrame的Add列数值追加？

问题背景 #

现有如下DataFrame：

data = {'Change': [.9, .8, .96, 1.5],
        'Add': [0, 0, 660, 0],
        'Open_Value':[1000, 900, 720, 691.2],
        'Close_Value':[900, 720, 691.2, 1036.8]} 

对应的表格：

Change  Add  Open_Value  Close_Value
0    0.90    0      1000.0        900.0
1    0.80    0       900.0        720.0
2    0.96  660       720.0        691.2
3    1.50    0       691.2       1036.8

需要实现逻辑：将Add列数值追加到当前行的Close_Value，同时该值作为下一行的Open_Value，最终期望得到（注：若按描述逻辑计算与示例数值有出入，以下方案按需求描述实现）：

Change  Add  Open_Value  Close_Value
0    0.90    0        1000          900
1    0.80    0         900          720
2    0.96  660         720         1080
3    1.50    0        1080         1620

实现思路 #

由于每一行的Open_Value依赖上一行的Close_Value（含追加的Add值），属于带状态依赖的迭代计算，无法直接用cumprod实现（cumprod仅支持纯累积乘积操作），需用循环或itertools.accumulate逐行计算。

方法1：循环迭代计算 #

直接逐行推导，清晰直观：

import pandas as pd

data = {'Change': [.9, .8, .96, 1.5],
        'Add': [0, 0, 660, 0]}
df = pd.DataFrame(data)

# 初始化第一行的Open_Value
df.loc[0, 'Open_Value'] = 1000

for i in range(len(df)):
    # 计算当前行Close_Value：Open * Change + Add（追加Add到计算后的Close）
    df.loc[i, 'Close_Value'] = df.loc[i, 'Open_Value'] * df.loc[i, 'Change'] + df.loc[i, 'Add']
    # 非最后一行时，下一行的Open_Value等于当前行的Close_Value
    if i < len(df) - 1:
        df.loc[i+1, 'Open_Value'] = df.loc[i, 'Close_Value']

# 调整列顺序并格式化数值
df = df[['Change', 'Add', 'Open_Value', 'Close_Value']].astype(int)
print(df)

方法2：使用itertools.accumulate（更高效） #

利用accumulate处理累积计算，适合大数据量场景：

import pandas as pd
from itertools import accumulate

data = {'Change': [.9, .8, .96, 1.5],
        'Add': [0, 0, 660, 0]}
df = pd.DataFrame(data)

# 定义累积计算逻辑：输入上一行的Close值，输出当前行的Close值
def calc_next_close(prev_close, row):
    current_open = prev_close
    return current_open * row['Change'] + row['Add']

# 生成Close_Value序列，初始值为第一行的Close计算结果
close_values = list(accumulate(df.itertuples(index=False), calc_next_close, initial=1000*df.iloc[0]['Change']+df.iloc[0]['Add']))
# Open_Value序列：第一个值为初始值1000，后续为前一行的Close值
open_values = [1000] + close_values[:-1]

# 赋值到DataFrame
df['Open_Value'] = open_values
df['Close_Value'] = close_values
df = df[['Change', 'Add', 'Open_Value', 'Close_Value']].astype(int)
print(df)

说明 #

若期望得到示例中的数值，需调整逻辑为Add追加到Open_Value后再计算Change，只需修改计算式为：

# 当前行Close_Value = (Open_Value + Add) * Change
df.loc[i, 'Close_Value'] = (df.loc[i, 'Open_Value'] + df.loc[i, 'Add']) * df.loc[i, 'Change']
# 下一行Open_Value = 当前行Close_Value

可根据实际业务需求调整计算逻辑。

内容的提问来源于stack exchange，提问作者Zachary Marx