我有一個包含三列的數據框，如下所示。 stock date price abc 2020-01-20 102.3 efg 2020-01-20 36.2 xyz 2020-01-20 341 abc 2020-01-21 102.3 efg 2020-01-21 34.3 xyz 2020-01-21 321 abc 2020-01-22 104.1 efg 2020-01-22 35.2 xyz 2020-01-22 318我想計算每只股票的每日收益，所以最終得到一個如下所示的數據框（請注意，我沒有在這里計算收益，我只是放了一些隨機數，顯然 20 日不會有收益),返回股票一天的回報定義如下，21 日股票 efg 的回報率 =（21 日價格 / 20 日價格）- 1stock date return abc 2020-01-21 0 efg 2020-01-21 -0.23 xyz 2020-01-21 -1.53 abc 2020-01-22 0.86 efg 2020-01-22 0.15 xyz 2020-01-22 -0.18我試過下面的代碼，df_ret = pd.pivot_table(df_ret, values='price', index=['stock'], columns = 'date') df_ret = df_ret.transpose()rets = df_ret.pct_change()rets = rets.transpose()rets 有正確的數據，但我需要上面第二個表格中顯示的格式的數據。我不確定這樣做的最佳方法是什么？更新df = df_ret.assign(ret = df_ret.groupby('stock')['price'].pct_change())通過使用上面的行，我得到下面的結果。它接近正確，但 22 日 904000 的值應該是 nan。 stock date price ret 903600 2020-01-22 11741.189956 nan 903600 2020-01-23 11678.197357 -0.005365094955116612 903600 2020-01-24 11683.808897 0.00048051422907646746 903600 2020-01-27 11683.808897 0.0 904000 2020-01-22 2017.933988 -0.8272880012169546 904000 2020-01-23 1993.986017 -0.011867569079271667 904000 2020-01-24 2012.609294 0.009339722967576014 904000 2020-01-27 1975.147341 -0.01861362417021617
4 回答
蝴蝶不菲
TA貢獻1810條經驗 獲得超4個贊
只是groupby + pct_change工作：
final = df.assign(return_ = df.groupby('stock')['price'].pct_change())
stock date price return_
0 abc 2020-01-20 102.3 NaN
1 efg 2020-01-20 36.2 NaN
2 xyz 2020-01-20 341.0 NaN
3 abc 2020-01-21 102.3 0.000000
4 efg 2020-01-21 34.3 -0.052486
5 xyz 2020-01-21 321.0 -0.058651
6 abc 2020-01-22 104.1 0.017595
7 efg 2020-01-22 35.2 0.026239
8 xyz 2020-01-22 318.0 -0.009346
交互式愛情
TA貢獻1712條經驗 獲得超3個贊
我會這樣做：
import pandas as pd
data = {'stock':['abc','efg','xyz','abc','efg','xyz','abc','efg','xyz'],'date':['2020-01-20','2020-01-20','2020-01-20','2020-01-21','2020-01-21','2020-01-21','2020-01-22','2020-01-22','2020-01-22'],'price':[101,202,303,102,242,403,204,420,422]}
df = pd.DataFrame(data)
df['return'] = df.groupby('stock')['price'].pct_change()
df = df.dropna(how='any')
print(df)
輸出：
stock date price return
3 abc 2020-01-21 102 0.009901
4 efg 2020-01-21 242 0.198020
5 xyz 2020-01-21 403 0.330033
6 abc 2020-01-22 204 1.000000
7 efg 2020-01-22 420 0.735537
8 xyz 2020-01-22 422 0.047146
一只斗牛犬
TA貢獻1784條經驗 獲得超2個贊
假設 df_ret 沒有索引，我會取消堆疊并重新堆疊。
df_ret.set_index(['date', 'stock'], inplace=True)
df_ret = df_ret.unstack(axis=0,level='stock')
rets = df_ret.pct_change()
rets=rets.stack()
rets.reset_index(inplace=True)
拉風的咖菲貓
TA貢獻1995條經驗 獲得超2個贊
試試這個簡單的解決方案：
df['change_in_pct'] = (df.price - df.price.shift(1)) /df.price
添加回答
舉報
0/150
提交
取消