如何按Symbol分组计算DataFrame每日percent change并替换Close列

现有如下结构的DataFrame：

Date  Close Symbol
0 2018-03-05  44.21   AAPL
1 2018-03-06  44.17   AAPL
2 2018-03-07  43.76   AAPL
3 2018-03-08  44.24   AAPL
4 2018-03-09  44.99   AAPL
5 2018-03-12  45.43   AAPL
6 2018-03-13  44.99   AAPL
7 2018-03-14  44.61   AAPL
8 2018-03-15  44.66   AAPL
9 2018-03-16  44.51   AAPL
...
2506 2023-02-16  50.99   CSCO
2507 2023-02-17  50.77   CSCO
2508 2023-02-21  49.69   CSCO
2509 2023-02-22  49.31   CSCO
2510 2023-02-23  49.21   CSCO
2511 2023-02-24  48.48   CSCO
2512 2023-02-27  48.73   CSCO
2513 2023-02-28  48.42   CSCO
2514 2023-03-01  48.34   CSCO
2515 2023-03-02  48.53   CSCO

需求：按每个Symbol计算每日涨跌幅（percent change），用该值替换Close列，最终返回Date、Close、Symbol格式的结果。曾尝试用groupby方法但未成功。

用groupby结合pct_change()就能实现需求，直接看代码：

import pandas as pd

# 假设你的DataFrame名为df
df['Close'] = df.groupby('Symbol')['Close'].pct_change()

# 按要求输出指定列
result = df[['Date', 'Close', 'Symbol']]
print(result)

关键说明 #

• groupby('Symbol')：按股票代码分组，确保每个股票的涨跌幅独立计算，不会与其他股票数据混淆
• pct_change()：自动计算当前行与前一行的百分比变化，公式为(当前值 - 前一天值)/前一天值
• 每组的第一行结果会是NaN（无前置数据），如果需要填充该值，比如填充0，可修改为：

df['Close'] = df.groupby('Symbol')['Close'].pct_change().fillna(0)

内容的提问来源于stack exchange，提问作者Ivan