Python 计算按股息调整的Pct变化

我有以下数据：

我需要计算熊猫中的Pct_Change_Adjusted列：

Pct变化调整=（（值[1]+股息[1]）/值[0]-1）

例如，对于第3行、第4行和第5行（Googlesheet），数据为：

2019-01-02 9072 A 1020.0000 0.0000 0.0200 0.0200 9072A

2019-01-03 9072 A 1040.4000 0.0000 0.0200 0.0200 9072A

2019-01-04 9072 A 1009.1880 52.0200-0.0300.0200 9072A

调整后的Pct变化（第4行）=（1.040.4000+0.0000）/（1020.0000）-1）=0.0200

调整后的Pct变化（第5行）=（1.009.1880+52.02000）/（1040.4000）-1）=0.0200

有没有一种方法可以通过pct_更改快速实现这一点？（而不是在数据中使用条件进行迭代）

到目前为止，我的Pct_变更代码是：

df.groupby（df[6]）[3].pct_change（1）

---

谢谢大家!

IIUC，最有可能的情况是，您可以执行以下操作：

df['Pct_Change_Adjusted'] = df.groupby(['Fund_ID', 'Fund_Series'], as_index=False) \
                              .apply(lambda x: (x.Value + x.Dividend)/x.Value.shift()-1) \
                              .reset_index(level=0, drop=True)

---

同样的事情，但更详细：

import numpy as np
import pandas as pd
import io

s = '''
Date    Fund_ID Fund_Series Value   Dividend
2019-01-02 9072 A 1020.0000 0.0000
2019-01-03 9072 A 1040.4000 0.0000
2019-01-04 9072 A 1009.1880 52.0200 
''';

df = pd.read_csv(io.StringIO(s),sep='\s')
print(df)

         Date  Fund_ID Fund_Series     Value  Dividend
0  2019-01-02     9072           A  1020.000      0.00
1  2019-01-03     9072           A  1040.400      0.00
2  2019-01-04     9072           A  1009.188     52.02

df['Pct_Change_Adjusted'] = df.groupby(['Fund_ID', 'Fund_Series'], as_index=False) \
                              .apply(lambda x: (x.Value + x.Dividend)/x.Value.shift()-1) \
                              .reset_index(drop=True).values[0]

print(df)

         Date  Fund_ID Fund_Series     Value  Dividend  Pct_Change_Adjusted
0  2019-01-02     9072           A  1020.000      0.00                  NaN
1  2019-01-03     9072           A  1040.400      0.00                 0.02
2  2019-01-04     9072           A  1009.188     52.02                 0.02