使用Pandas DataFrame将价格序列按起始时间点标准化至指数值100

我懂你要做的是什么——把每只股票的价格都锚定到初始时刻（t=0）的数值，转换成百分比形式，这样能直观看到股价相对于起点的涨跌幅，这个在量化分析里太常用了。

先说说你之前代码报错的原因 #

你用df[0:] / df[0:1]出错，是因为df[0:1]返回的是单行DataFrame，而df[0:]是整个数据集，直接做除法时，Pandas的索引对齐机制会因为维度不匹配出问题（尤其是你的实际索引是datetime类型时，还会触发索引匹配逻辑，导致计算异常）。

正确的解决方法 #

下面几种方法都能完美实现你的需求，按自己的习惯选就行：

方法1：用iloc获取初始行做广播（最直观）

直接取第一行的数值（也就是t=0的价格），然后让整个DataFrame按列做除法，最后乘以100转成百分比：

import pandas as pd

# 假设你的原始DataFrame是df，索引已经是datetime类型
initial_prices = df.iloc[0]  # 获取第一行的所有股票初始价格
df_norm = (df / initial_prices) * 100

运行后就能得到你想要的结果：每一行的数值都是当前价格相对于t=0价格的百分比。

方法2：用transform函数实现

如果之后需要扩展到分组场景（比如多板块股票），用transform会更灵活，单组数据也适用：

df_norm = df.transform(lambda col: (col / col.iloc[0]) * 100)

针对datetime索引的小提示

如果你的实际索引是类似20170101 09:30:00的字符串格式，记得先转成datetime类型：

df.index = pd.to_datetime(df.index)

转完之后上面的方法依然有效，因为iloc[0]是按位置取第一行，和索引的具体格式无关。

验证结果 #

用你给出的示例数据测试，方法1会输出：

（注：你示例里t=2的Stock A写的是140，应该是笔误，按公式8/5*100正确结果是160）

内容的提问来源于stack exchange，提问作者eternity1