如何在DataFrame中按公司分组高效计算股票日收益率

完全不需要提取唯一公司名再循环计算，用Pandas原生的矢量化分组操作即可实现，代码更简洁，处理大数据集时效率比手动循环高数十倍。

前置操作（必做） #

首先要确保每个公司的记录按日期升序排列，避免时序错乱导致收益率计算错误：

import pandas as pd

# 转换日期列为datetime类型，防止字符串排序出错
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')
# 按公司名、日期升序排序，重置索引
df = df.sort_values(by=['Company Name', 'Date'], ignore_index=True)

核心计算代码 #

仅需一行即可完成日收益率计算：

# 按公司分组计算股价涨跌幅，默认第一条记录返回NaN，符合需求
df['Daily Returns'] = df.groupby('Company Name')['stock price'].pct_change()

# 若需要和示例输出一致保留1位小数，改成下行代码即可
# df['Daily Returns'] = df.groupby('Company Name')['stock price'].pct_change().round(1)

原理说明 #

pct_change()是Pandas内置的涨跌幅计算方法，公式为(当前值 - 前序值) / 前序值，分组后会单独为每个公司的序列计算，自动将每个公司第一条无前置参考的记录返回NaN，不需要额外做判断处理。所有操作均为底层C实现的矢量化运算，避免了Python层循环的性能开销。

内容的提问来源于stack exchange，提问作者viperjonis