Pandas分组计算：按年份分组求解每组的乘积转换值

没问题，这个需求其实挺常见的，尤其是计算年度复合收益类指标的时候，我来一步步教你怎么实现：

第一步：准备数据并处理日期格式 #

首先得确保你的date列是datetime类型，不然没法正确提取年份。先构造你的DataFrame并转换日期：

import pandas as pd

# 构造你提供的DataFrame
df = pd.DataFrame({
    'value': [1.0, 0.3, 1.6, 2.5, -1.0, -0.3, 1.6],
    'date': ['2010-01-31', '2010-02-28', '2011-03-31', '2011-04-30', '2012-05-31', '2012-06-30', '2013-07-31']
})

# 将date列转换为datetime类型
df['date'] = pd.to_datetime(df['date'])

第二步：按年份分组并计算目标指标 #

你的公式[(1 + v1) * (1 + v2) * ... * (1 + vn) - 1] * 100，可以简化为((1+value列).乘积 -1)*100，我们可以用两种方式实现：

方式一：自定义聚合函数

先写一个函数封装你的计算逻辑，再用groupby.apply()调用：

def calculate_compound_metric(group):
    # 对每组的value加1后求乘积，减1再乘100
    return ((1 + group['value']).prod() - 1) * 100

# 按年份分组，应用自定义函数，最后重置索引得到清晰的结果
result = df.groupby(df['date'].dt.year).apply(calculate_compound_metric).reset_index(name='compound_result')

方式二：简洁的链式写法

如果不想写自定义函数，直接用agg()配合匿名函数更省事：

result = df.groupby(df['date'].dt.year)['value'].agg(
    lambda x: ((1 + x).prod() - 1) * 100
).reset_index(name='compound_result')

最终结果 #

运行上面的代码后，result会输出：

year  compound_result
0  2010            160.0
1  2011            810.0
2  2012           -100.0
3  2013            160.0

简单验证下：

• 2010年：(1+1.0)*(1+0.3) = 2*1.3=2.6，(2.6-1)*100=160，正确
• 2012年：(1-1.0)*(1-0.3)=0*0.7=0，(0-1)*100=-100，正确

内容的提问来源于stack exchange，提问作者Fizi