多级索引DataFrame运算：新增PL列计算持仓差值

需求 #

给现有DataFrame新增PL列，规则如下：

• 按Client、Product、Buy Date进行分组
• 每组内，当日Position与前一日Position的差值即为当日PL值
• 每组首次出现的Position Date对应的PL设为0

原始数据构造 #

import pandas as pd

data = {'Client': ['Client 1', 'Client 1', 'Client 2', 'Client 2', 'Client 1', 'Client 1', 'Client 2', 'Client 2'],
        'Position Date': ['2022-01-02', '2022-01-02', '2022-01-02', '2022-01-02', '2022-01-03', '2022-01-03', '2022-01-03', '2022-01-03'],
        'Product': ['Product 1', 'Product 4', 'Product 2', 'Product 3', 'Product 1', 'Product 4', 'Product 2', 'Product 3'],
        'Buy Date': ['2022-05-02', '2022-06-02', '2022-03-12', '2022-01-25', '2022-05-02', '2022-06-02', '2022-03-12', '2022-01-25'],
        'Position': [100, 5000, 120, 50, 150, 7000, 200, 100]}
df = pd.DataFrame(data).set_index(['Position Date', 'Client', 'Product', 'Buy Date'])

解决代码 #

# 重置索引，方便分组和日期处理
df_reset = df.reset_index()

# 分组计算Position差值，首次行填充0
df_reset['PL'] = df_reset.groupby(['Client', 'Product', 'Buy Date'])['Position'].diff().fillna(0)

# 恢复原复合索引
df = df_reset.set_index(['Position Date', 'Client', 'Product', 'Buy Date'])

结果展示 #

处理后的数据表如下：

代码说明 #

• 重置索引：把复合索引转为普通列，避免索引对分组计算的干扰
• 分组diff计算：groupby指定分组字段后，diff()自动计算每组内当前行与上一行的Position差值，第一行无前置数据会返回NaN
• 填充0值：用fillna(0)将每组第一行的NaN替换为0，满足首次日期PL为0的要求
• 恢复索引：还原为原有的复合索引结构，保持数据格式一致

内容的提问来源于stack exchange，提问作者João Weckerle