如何为序列末端实现带收缩窗口的pct_change百分比变化计算？

我明白你的需求：要按label分组计算价格的百分比变化，窗口周期是3，而且当分组序列末端没有足够的后续数据时，要用分组的最后一个价格来计算收缩窗口的变化率，而不是留空NaN。原代码的问题在于pct_change(3)是固定窗口逻辑，当末端没有足够数据时就会生成NaN，且shift(-3)也没处理收缩窗口的场景。

高效的向量化解法 #

考虑到你数据量较大，我们用向量化操作实现，避免逐元素循环，保证运行效率。核心思路是：对每个分组的价格序列，给每个位置计算对应的目标索引——如果当前位置往后数3个元素存在，就用那个元素；如果不存在，就用分组的最后一个元素。然后直接计算百分比变化。

完整代码如下：

import pandas as pd
import numpy as np

labels = ['A', 'A', 'A', 'A', 'A', 'B', 'A', 'C', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'B']
prices = [62, 55, 55, 74, 31, 77, 20, 21, 25, 30, 21, 35, 66, 12, 1, 2, 4]
df = pd.DataFrame(data={'label': labels, 'price': prices}, columns=['label', 'price'])

# 先按label分组排序，同label内保留原索引顺序（和你原代码逻辑一致）
df = df.iloc[np.lexsort((df.index, df['label'].values))]

def rolling_pct_change(arr, window=3):
    n = len(arr)
    # 计算每个位置的目标索引：如果i+window在序列内就用i+window，否则用最后一个元素的索引
    target_indices = np.minimum(np.arange(n) + window, n - 1)
    # 计算百分比变化：(目标价格 / 当前价格) - 1
    return (arr.iloc[target_indices].values / arr.values) - 1

# 分组应用自定义函数，生成price_chg列
df['price_chg'] = df.groupby('label')['price'].transform(rolling_pct_change, window=3)

print(df)

代码细节解释 #

1. 排序处理：和你原代码逻辑一致，用np.lexsort把同label的行聚合在一起，同时保留原数据的索引顺序，保证分组内的价格序列符合原始顺序。
2. 自定义函数rolling_pct_change：
   • 用np.arange(n)生成每个元素的位置索引，加上窗口大小3得到初始目标位置；
   • 用np.minimum把超出序列长度的目标位置替换为最后一个元素的索引（n-1），完美实现收缩窗口的需求；
   • 全程向量化计算，比循环快几个数量级，适合大数据场景。
3. 分组应用：用groupby.transform把函数批量应用到每个分组，直接生成对应列，不需要额外的合并操作，代码简洁高效。

验证效果（以A组为例） #

A组的价格序列为[62,55,55,74,31,20]：

• 索引3（价格74）：往后3个位置超出序列长度，用最后一个价格20计算，变化率为(20/74)-1≈-0.7297；
• 索引4（价格31）：同样用最后一个价格20，变化率为(20/31)-1≈-0.3548；
• 索引5（价格20）：用自身计算，变化率为0；
  这些位置都不会再出现NaN，完全符合你的需求。

内容的提问来源于stack exchange，提问作者eNc