如何在Pandas中无循环计算未来现金流百分比增长？

问题描述 #

已知Pandas提供.pct_change方法用于计算数据列的百分比变化，现需计算未来的百分比增长。目前已通过以下含for循环的函数实现该功能，但希望改用Pandas实现且避免使用循环，询问可行方案：

def cf_future_projection(
    cashflow_of_last_year: float,
    cashflow_pct_grow: float,
    last_observed_year: int,
    n_year_future: int = 5,
) -> dict:

    grow_values = {}
    grow_values[last_observed_year + 1] = cashflow_of_last_year * (
        1 + cashflow_pct_grow
    )
    for year in range(1, n_year_future):
        grow_values[last_observed_year + 1 + year] = grow_values[
            last_observed_year + 1 + year - 1
        ] * (1 + cashflow_pct_grow)

    return grow_values


cf_future_projection(150, 0.15, 2020, 15)

解决方案 #

这个需求本质是复利增长计算，完全可以用Pandas的向量化操作搞定，不用写循环。核心就是直接生成每一年的复利系数，再和初始现金流相乘。

代码实现 #

import pandas as pd

def cf_future_projection_pandas(
    cashflow_of_last_year: float,
    cashflow_pct_grow: float,
    last_observed_year: int,
    n_year_future: int = 5,
) -> pd.Series:
    # 生成未来的年份序列
    years = pd.RangeIndex(start=last_observed_year + 1, stop=last_observed_year + 1 + n_year_future)
    # 计算每一年的现金流：初始值 × (1+增长率)^(年份差)
    year_diff = years.to_series() - last_observed_year
    cashflows = cashflow_of_last_year * (1 + cashflow_pct_grow) ** year_diff
    # 把年份设为索引
    cashflows.index = years
    # 如果要返回字典格式，直接调用.to_dict()就行
    return cashflows

# 调用示例
# 返回Series（方便后续分析）
result_series = cf_future_projection_pandas(150, 0.15, 2020, 15)
print(result_series)
# 转成字典格式和原函数输出一致
result_dict = result_series.to_dict()
print(result_dict)

关键说明 #

1. 年份生成：用pd.RangeIndex快速创建连续年份，比循环手动累加高效得多。
2. 向量化运算：直接对整个年份序列做指数运算，一次性算出所有年份的现金流，没有循环迭代，速度更快，尤其是当预测年份很多的时候。
3. 输出灵活：默认返回pd.Series，方便后续做数据筛选、可视化；如果需要原函数的字典格式，加个.to_dict()就搞定。

结果验证 #

两种方法的计算结果完全一致，比如2021年的现金流是150 * 1.15 = 172.5，2022年是172.5 * 1.15 = 198.375，和Pandas版本的输出完全匹配。

内容的提问来源于stack exchange，提问作者Petr