如何用Python循环计算多频率（日/周/月/半年）滚动收益？

原始DataFrame定义 #

import pandas as pd
import numpy as np

data = [[99330,12,122],[1123,1230,1287],[123,101,812739],[1143,1230123,252],[234,342,4546],[2445,3453,3457],[7897,8657,5675],[46,5675,453],[76,484,3735],[363,93,4568],[385,568,367],[458,846,4847],[574,45747,658468],[57457,46534,4675]]
df1 = pd.DataFrame(data, index=['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04',
                       '2022-01-05', '2022-01-06', '2022-01-07', '2022-01-08',
                       '2022-01-09', '2022-01-10', '2022-01-11', '2022-01-12',
                       '2022-01-13', '2022-01-14'], 
          columns=['col_A', 'col_B', 'col_C'])
df1.index = pd.to_datetime(df1.index)

需求说明 #

需要编写循环，分别按1D（日）、1W（周）、1M（月）、6M（半年）频率计算各列的滚动收益，计算公式为：

滚动收益 = (当前值 - 对应频率前的值) / 对应频率前的值

现有代码问题修正 #

你提供的尝试代码存在以下问题：

• 用iloc[i]访问数据错误：i是日期索引，iloc需要位置索引，应改用loc[i]
• 硬编码偏移量'1W'，未匹配当前循环的频率参数
• 引用未定义的df，实际应为df1
• 手动嵌套循环效率低下，Pandas内置shift方法可高效实现偏移取值

正确实现代码 #

# 定义频率映射：键为Pandas时间频率字符串，值为列名后缀
periodicity_dict = {'1D': 'daily', '1W': 'weekly', '1M': 'monthly', '6M': 'half_yearly'}

# 遍历每个频率
for freq, suffix in periodicity_dict.items():
    # 遍历每个数据列
    for col in df1.columns:
        # 计算对应频率的滚动收益
        df1[f'{col}_rolling_{suffix}'] = (df1[col] - df1[col].shift(freq=freq)) / df1[col].shift(freq=freq)

代码要点说明 #

• shift(freq=freq)：Pandas的shift方法支持按时间频率偏移索引，直接获取对应周期前的数据，无需手动遍历日期
• 列命名规则：原列名+_rolling_+频率后缀（如col_A_rolling_daily），清晰区分不同频率的滚动收益
• 自动处理缺失值：对于无前置周期的数据（如第一个日期的日度滚动收益），结果自动为NaN，无需手动初始化

结果示例 #

执行以下代码查看部分结果：

print(df1[['col_A', 'col_A_rolling_daily', 'col_A_rolling_weekly']].head())

输出：

col_A  col_A_rolling_daily  col_A_rolling_weekly
2022-01-01  99330                  NaN                   NaN
2022-01-02   1123            -0.988694                   NaN
2022-01-03    123            -0.890472                   NaN
2022-01-04   1143             8.292683                   NaN
2022-01-05    234            -0.795276                   NaN

内容的提问来源于stack exchange，提问作者MathMan 99