如何在DataFrame分组中跨不同索引实现PL与Position的除法运算

现有DataFrame结构 #

构造的DataFrame以Position Date、Client、Product、Buy Date为多层索引，包含Position和PL两列，初始数据如下：

构造代码：

import pandas as pd

df = pd.DataFrame()
df['Client'] = ['Client 1', 'Client 1','Client 2','Client 2', 'Client 1', 'Client 2','Client 2']
df['Product'] = ['Product 1', 'Product 4', 'Product 2', 'Product 3',  'Product 4', 'Product 2', 'Product 3']
df['Position Date'] = ['2022-01-02', '2022-01-02', '2022-01-02', '2022-01-02', '2022-01-03', '2022-01-03', '2022-01-03']
df['Buy Date'] = ['2022-05-02', '2022-06-02', '2022-03-12', '2022-01-25', '2022-06-02', '2022-03-12', '2022-01-25']
df['Position'] = [130, 5000, 120, 77,  7000, 200, 100]
df['PL'] = [0,0,0,0, 50, 2000, 80, 100]

df = df.set_index(['Position Date','Client',  'Product', 'Buy Date'], drop=True)

df['PL'] = df.groupby(level=['Client', 'Product', 'Buy Date']).diff().fillna(0)

需求：创建新列X #

新列X的计算规则：

• 首日（最早的Position Date）的X值为0
• 非首日的X值 = 当日的PL值 ÷ 该Client-Product-Buy Date分组上一日的Position值

举个例子：2022-01-03当天，Client 2、Product 2的X值 = 80 ÷ 120（120是2022-01-02该分组的Position值）

预期最终结果中，非首日的X值分别为：2000/5000、80/120、23/77

之前方案的问题 #

之前使用基于reindex的方案：

df['output'] = df['PL'].div(df.loc[df.index[0][0], 'Position']
                          .reindex(df.droplevel('Position Date').index).values
                       )

但当不同Position Date的分组结构不一致时（比如2022-01-03的Client 1分组比2022-01-02少了Product 1的条目），该方案无法正确匹配分组，导致计算错误。

解决方案 #

通过按Client-Product-Buy Date分组后，对每个分组内的Position进行移位实现，不受分组结构变化的影响：

# 按Client、Product、Buy Date分组，提取上一日的Position值
prev_position = df.groupby(level=['Client', 'Product', 'Buy Date'])['Position'].shift(1)

# 计算X列：PL除以移位后的Position，首日无数据填充为0
df['X'] = df['PL'].div(prev_position).fillna(0)

逻辑说明 #

• groupby(level=['Client', 'Product', 'Buy Date'])确保仅在同一客户-产品-购买日期的分组内处理数据
• shift(1)将每个分组内的Position值向上移动一行，正好对应上一日的Position数据
• 首日的移位结果为NaN，用fillna(0)填充为0，符合需求

验证结果 #

执行后df['X']的结果如下：

完全符合预期，且不受不同日期分组结构差异的影响。

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