Pandas长表格式下将股票收益率归一化到基期100的实现方法

完全可以直接对Stock列的每个唯一值分组计算Price列，不需要转换为宽表，也不需要编写for循环实现。

前置操作 #

首先需要确保数据集按「股票代码+日期」升序排序，避免计算顺序错误：

import pandas as pd
# 构造初始数据集
data = [['2020-01-01', 'A', 0.05], ['2020-01-02', 'A', 0.06], ['2020-01-03', 'A', 0.12], ['2020-01-04', 'A', 0.09], ['2020-01-05', 'A', 0.07],   ['2020-01-01', 'B', 0.10], ['2020-01-02', 'B', 0.20], ['2020-01-03', 'B', 0.15], ['2020-01-04', 'B', 0.12], ['2020-01-05', 'B', 0.18],    ['2020-01-01', 'C', 0.05], ['2020-01-02', 'C', 0.11], ['2020-01-03', 'C', 0.18], ['2020-01-04', 'C', 0.09], ['2020-01-05', 'C', 0.22]]
df = pd.DataFrame(data, columns = ['DATE', 'Stock', 'Return'])

# 按股票+日期排序保证计算顺序正确
df = df.sort_values(by=['Stock', 'DATE']).reset_index(drop=True)

实现方案 #

方案1：匹配你给出的示例结果 #

你提供的示例中Price的计算逻辑为「当期Return / 对应股票首日Return * 100」，一行代码即可实现：

df['Price'] = df['Return'] / df.groupby('Stock')['Return'].transform('first') * 100

运行后得到的结果和你给出的df2完全一致。

方案2：常规累计净值归一化（对应你之前宽表方法的逻辑） #

如果是要计算首日为100的累计净值（即每日净值=前一日净值*(1+当日收益率)），可以用如下写法：

df['Price'] = df.groupby('Stock')['Return'].apply(lambda x: (x + 1).cumprod() / (x.iloc[0] + 1) * 100).reset_index(drop=True)

两种方案都全程保留长表结构，不需要做表结构转换，性能远高于手动写for循环遍历股票的实现。

内容的提问来源于stack exchange，提问作者Ben