如何计算DataFrame中股票当年值与前一年同期值的差值并新增列存储

原代码存在的问题 #

• df.loc()写法错误，pandas的loc索引需使用方括号，正确写法为df.loc[i, j]
• relativedelta不是datetime对象的内置方法，需要从dateutil库导入后单独调用，正确写法为relativedelta(df.index[i], years=-1)
• 双重循环遍历效率极低，pandas内置的向量化操作可更简洁高效实现需求

正确实现步骤 #

第一步：预处理数据 #

首先确保DataFrame的日期索引为datetime类型，避免后续时间操作报错：

import pandas as pd
# 转换索引为datetime类型
df.index = pd.to_datetime(df.index)

第二步：计算同期差值 #

按日期的月、日分组后偏移1年，自动匹配去年同期的数值，直接计算差值后生成新增列即可：

# 匹配去年同期数值，自动适配闰年等特殊日期问题
last_year_data = df.groupby([df.index.month, df.index.day]).shift(1)
# 生成差值新增列，列名规则为原股票名+_同比差值
df[[f"{col}_同比差值" for col in df.columns]] = df - last_year_data

如果你的数据是每年固定频次统计（比如每年只有1月1日的数据），可以用更简化的写法：

df[[f"{col}_同比差值" for col in df.columns]] = df - df.shift(1, freq='YS')

效果验证 #

以你给出的示例数据测试，输出结果如下：

1991-01-01的A列差值0.132和你举例的计算结果完全一致。

内容的提问来源于stack exchange，提问作者Mariana Maya