Python 使用多索引移位

我一直在尝试制作一个简单的股票组合跟踪器。我从10万美元开始，根据权重投资两支股票。每个月，我都想卖出这只股票，然后设定新的起始美元（上期买入的股票*当前价格），然后根据这个月的权重再次投资这两只股票

由于之前的一些帮助，我知道了如何计算每个时期购买的股票，但我很难更新每个日期的起始余额。我认为，由于操作顺序的原因，它需要作为一个循环来完成，但是很难让轮班工作

开始我的代码：

import pandas as pd
from datetime import datetime

df = pd.DataFrame(data=[[datetime(year=2017, day=01, month=01), 100000, 'AAPL', 0.6, 1000],
                        [datetime(year=2017, day=01, month=01), 100000, 'GOOG', 0.4, 1200],
                        [datetime(year=2017, day=01, month=02), 100000, 'AAPL', 0.7, 1400],
                        [datetime(year=2017, day=01, month=02), 100000, 'GOOG', 0.3, 1300],
                        [datetime(year=2017, day=01, month=03), 100000, 'AAPL', 0.8, 980],
                        [datetime(year=2017, day=01, month=03), 100000, 'GOOG', 0.2, 1400]
                        ],
                  columns=['Date', 'Dollars Available', 'Stock', 'Weight', 'Price'])

df = df.set_index(['Date', 'Dollars Available', 'Stock'])
df['Shares Bought'] = (df.index.get_level_values('Dollars Available') * df['Weight']).values / df['Price'].values

到目前为止，我已经到了这里。如您所见，每个日期的起始余额都是相同的

                                    Weight  Price  Shares Bought
Date       Dollars Available Stock                              
2017-01-01 100000            AAPL      0.6   1000      60.000000
                             GOOG      0.4   1200      33.333333
2017-02-01 100000            AAPL      0.7   1400      50.000000
                             GOOG      0.3   1300      23.076923
2017-03-01 100000            AAPL      0.8    980      81.632653
                             GOOG      0.2   1400      14.285714

期望输出：

                                        Weight  Price  Shares Bought
Date       Dollars Available Stock                              
2017-01-01 10000.00          AAPL      0.6   1000          60.00
                             GOOG      0.4   1200          33.33
2017-02-01 127333.33         AAPL      0.7   1400          63.66
                             GOOG      0.3   1300          29.38
2017-03-01 103531.79         AAPL      0.8    980          73.95
                             GOOG      0.2   1400          22.19

---

考虑以这种方式组织您的数据（我已经省略了2017-03-01，因为您没有显示该日期的价格，这使示例更加简洁）：

以上，返回为（收盘价/开盘价）

现在乘以每只股票：

Date        AAPL WgtRet  GOOG WgtRet  Sum WgtRet  Cum WgtRet
2017-01-01         0.84       0.4332      1.2732      1.2732
2017-02-01         0.49       0.3231      0.8131      1.0352

上面，Sum WgtRet类似于Sum（轴=1），Cum WgtRet类似于cumprod（Sum WgtRet）

现在，只需将您的起始资本乘以Cum WgtRet即可得到月末余额：

Date        End Balance
2017-01-01  127320
2017-02-01  103520

上面的每个操作都很容易以矢量化的形式完成，没有循环。您可以在开始时将库存列从行标签“轴心”到列标签

---

如果要添加“购买的股份”列，只需移动（1）结束余额以创建开始余额列，然后乘以权重。

这是计算美元的一种方法

df['New1']=((1+df.groupby('Stock').Price.pct_change())).shift(-2)*df.Weight

df.groupby('Date').New1.sum().cumprod().mul(100000).shift().fillna(100000)
Out[288]: 
Date
2017-01-01    100000.000000
2017-02-01    127333.333333
2017-03-01    103531.794872
Name: New1, dtype: float64

---

非常感谢。这看起来很有希望，但远高于我的技能水平。什么是获得数据的最佳方法，甚至可以像您的第一个数据帧那样设置数据？我的想法是使用类似于

df.groupby（['Stock']）['Price'].shift（-1）/df.groupby（['Stock']）['Price']

的东西，但是在创建数据帧之后，我遇到了错误，请执行

df.set_index（['Date'，Stock']，inplace=True）

然后

df.Weight.unstack（）

获取每只股票的权重，

px=df.Price.unstack（）

获取价格，然后

px/px.shift（）

获取返回值。将每个新列添加到索引仅为Date的单个数据框中。谢谢。我做错了什么？我只看到前两行。@user2242044-ummm。前两排是什么意思？对不起，没关系。当我尝试你的代码时，我把df缩短到了两个月。只是我很傻：）@user2242044啊哈，编码很开心

df['New1']=((1+df.groupby('Stock').Price.pct_change())).shift(-2)*df.Weight

df.groupby('Date').New1.sum().cumprod().mul(100000).shift().fillna(100000)
Out[288]: 
Date
2017-01-01    100000.000000
2017-02-01    127333.333333
2017-03-01    103531.794872
Name: New1, dtype: float64