使用numpy_financial.npv对pandas dataframe计算NPV时报错如何解决？

报错原因 #

numpy_financial.npv()原生仅支持单个折现率+单条一维现金流序列的计算，你直接传入整列折现率（df['RFR']是一维Series）、整张现金流DataFrame（df[value]是二维结构），函数无法自动逐行匹配参数，因此触发维度不匹配报错。

你不需要手动逐行遍历计算，以下两种方案都可以实现需求： #

方案1：pandas逐行apply（易读易维护，适合数据量<10万行的场景） #

首先注意你定义的现金流列名里' value_2'前有多余空格，先修正为和实际DataFrame列名一致，再执行计算：

import numpy_financial as npf

# 修正列名空格，确保和你的DataFrame列名匹配
cash_flow_cols = ['value_1', 'value_2', 'value_3', 'value_4', 'value_5']

# axis=1指定按行遍历，每行传入对应折现率和现金流序列计算NPV
df['NPV_IV'] = df.apply(
    lambda row: npf.npv(rate=row['RFR']/100, values=row[cash_flow_cols].tolist()),
    axis=1
)

方案2：向量化计算（高性能，适合数据量>10万行的场景） #

直接基于NPV计算公式实现向量化运算，速度比apply高1~2个数量级：

import numpy as np

r = df['RFR'].to_numpy() / 100
# 生成对应期数的指数，默认第一期现金流为t=0（和npf.npv逻辑一致）
periods = np.arange(len(cash_flow_cols))
# 计算每行对应的折现系数
discount_factor = 1 / (1 + r[:, np.newaxis]) ** periods
# 矩阵运算批量计算所有行的NPV
df['NPV_IV'] = (df[cash_flow_cols].to_numpy() * discount_factor).sum(axis=1)

注意事项 #

numpy_financial.npv默认将传入的现金流列表第一个元素视为t=0时刻的现金流（无需折现），如果你的value_1是第一期末的现金流，需要在现金流列表开头补0，或调整上述代码中periods的起始值为1，避免计算结果偏差。

内容的提问来源于stack exchange，提问作者JoshZ