Python中groupby+cumprod按年计算累计乘积的替代方案

你之前写的代码无法运行，核心是两个问题：

• 方法名有误：pandas中累计乘积的内置方法是cumprod()，cumproduct是早已弃用的旧别名，新版本中无法正常调用
• 方法属性混淆：cumprod()是逐行遍历计算累计值的序列方法，不属于可传入groupby的聚合类函数，不能搭配agg()等聚合接口使用，但可以直接被分组对象调用完成计算。

根据你对“年度累计乘积”的两种常见理解，对应给出可直接运行的实现：

场景1：保留原月度索引，计算年初到当月的累计本利和 #

也就是你最初写cumproduct()想实现的效果，只需要替换正确的方法名即可，pandas会自动对每个年度分组内部逐行计算连乘值：

# 按索引对应的年份分组，组内逐行计算累计乘积
monthly_year_cum = df.groupby(df.index.year).cumprod()

输出的结果索引和原表完全匹配，每一行的值代表对应资产从当年1月到当前月的本利和累计值。

场景2：按年度直接聚合，输出全年总累计本利和 #

如果你需要的是把同一年度所有月度的本利和全部连乘，输出每个资产对应年度的汇总值，这种场景不能用逐行累计的cumprod，要改用分组整体聚合的prod()方法：

# 按年份分组，计算每组的整体乘积
yearly_total_wealth = df.groupby(df.index.year).prod()
# 如果需要计算年度实际收益率（扣除1倍本金），可直接在结果上减1
yearly_return = df.groupby(df.index.year).prod() - 1

如果你的时间索引存在不连续的情况，也可以直接用时间频率分组的写法，效果和上面的代码完全等价：

yearly_total_wealth = df.groupby(pd.Grouper(freq='YE')).prod()

手动循环实现（适合逐环节调试） #

如果需要逐块验证计算逻辑，可以用显式循环的方式实现同逻辑的年度聚合，结果和向量化方案完全一致：

# 为每行数据标记对应年份
df['record_year'] = df.index.year
yearly_result = {}
# 遍历每个年度的子数据集
for year, subset in df.groupby('record_year'):
    # 计算该年度所有资产的连乘结果，跳过临时加的年份列
    yearly_result[year] = subset.drop(columns='record_year').prod()
# 将字典结果转换为标准DataFrame
yearly_total_wealth = pd.DataFrame(yearly_result).T

• 运行前请确保索引为标准DatetimeIndex，如果是字符串格式的时间，需要先转换后再提取年份：df.index = pd.to_datetime(df.index)
• 如果存在缺失的月度值，可在计算前将缺失值填充为1（代表当月无收益、不影响连乘结果）：df.fillna(1).groupby(df.index.year).prod()

内容的提问来源于stack exchange，提问作者Jimzos