Pandas 将价格序列“指数化”到一个起始时间点（指数水平=100），数据帧为：P（i，t）/P（i）

我有一个pandas数据框，其中datetime是数据框的索引，我使用t=0进行简化，实际上有类似20170101 09:30:00的内容

datetime    Stock A    Stock B
t=0           5          20
t=1           6          30
t=2           8          25
t=3           4          20

我想返回：

datetime    Stock A    Stock B
t=0           100        100
t=1           120        150
t=2           140        125
t=3           80         100

用数学术语：Indexi，t=Pi，t/Pi，0

我试过了

df_norm =  df[0:] / df[0:1]
print(df_norm)

这给了我一个错误

edit1：我尝试了工作正常的选项3，但还不能尝试NaN，但至少它没有为pctchange导致的第一个obs创建NaN。我还想知道，在执行之后，我的datetime不再是集合索引，这很容易通过重新分配它来修复

现在我尝试将其包装到函数中，但我认为索引导致的问题实际上与我第一次尝试时的错误相同：

def norming(x):
    return x.assign(**x.drop('datetime', 1).pipe(
    lambda d: d.div(d.shift().bfill()).cumprod()))

edit2：如果我的列datetime是一个索引，即

df_norm.set_index(['datetime'], inplace = True)

但是，我会得到一个错误，我需要更改什么？

选项1 选择2 选择3 好像

p=100/df.iloc[0,1:]
df.iloc[:,1:]*=p
df
Out[1413]: 
  datetime StockA StockB
0      t=0    100    100
1      t=1    120    150
2      t=2    160    125
3      t=3     80    100

---

比我的答案好得多@piRSquared更好，因为他也得到了回报率：-我的df.assign版本**df.drop'datetime'，1.pipelambda d:d.divd.iloc[0]。mul100@piRSquared这太棒了，先生：-谢谢你们的回答！在选项1中，我看到了fillna，我的数据中不时会出现NaN，实际上我希望保留它。这也会影响其他解决方案吗？此外，如果不太费劲，您是否介意对代码进行评论？代码中有一些特定的部分和语法我并不真正理解。复活节快乐！

def idx_me(a):
    a = np.asarray(a)
    r = np.append(1, a[1:] / a[:-1])
    return r.cumprod() * 100

df.assign(**df.drop('datetime', 1).apply(idx_me))

  datetime  Stock A  Stock B
0      t=0    100.0    100.0
1      t=1    120.0    150.0
2      t=2    160.0    125.0
3      t=3     80.0    100.0

df.assign(**df.drop('datetime', 1).pipe(
    lambda d: d.div(d.shift().bfill()).cumprod().mul(100)))

  datetime  Stock A  Stock B
0      t=0    100.0    100.0
1      t=1    120.0    150.0
2      t=2    160.0    125.0
3      t=3     80.0    100.0

p=100/df.iloc[0,1:]
df.iloc[:,1:]*=p
df
Out[1413]: 
  datetime StockA StockB
0      t=0    100    100
1      t=1    120    150
2      t=2    160    125
3      t=3     80    100