Python 大熊猫多水平指数的累积和方法

我有以下多级数据帧（部分）

我可以用下面的代码对整个数据帧进行累加

df3['TTL_SUM'] = df3['RETURN'].cumsum()

但我想做的是每只股票的累计总和，但当我做以下操作时，我会得到一列NaN。有人知道我做错了什么吗？请参阅上面的数据帧

df3['Stock_RES'] = df3.groupby(level=0)['RETURN'].sum()

当我把它分配给一个变量时，它似乎确实起作用，但最终我想把它放在数据帧中

RESULTS = df3.groupby(level=0)['RETURN'].sum()

---

有人能帮帮我吗。对我来说似乎是同一个代码，所以不确定为什么它不会直接添加到数据帧中。

您在

groupby

上下文中使用的是

sum

，而不是

cumsum

df.assign(WANTED1=df.groupby('Stock').RETURN.cumsum())

                  Px_last  FINAL  RETURN  Stock_RES  WANTED  WANTED1
Stock Date                                                          
ALKM  10/27/2016   0.0013      1  -53.85        NaN  -53.85   -53.85
      1/17/2017    0.0009      1  111.11        NaN   57.26    57.26
      1/18/2017    0.0012      1  233.33        NaN  290.60   290.59
      1/23/2018    0.0012      1   16.67        NaN  307.26   307.26
      1/30/2018    0.0019      1  -42.11        NaN  265.16   265.15
ANDI  12/28/2017   0.0017      1  370.59        NaN  370.59   370.59
      2/14/2018    0.0324      1   20.00        NaN  390.59   390.59
APPZ  9/22/2017    0.0002      1  -50.00        NaN  -50.00   -50.00
      12/5/2017    0.0001      1 -100.00        NaN -150.00  -150.00
      12/6/2017    0.0001      1    0.00        NaN -150.00  -150.00

df.assign(WANTED1=df.groupby('Stock').RETURN.cumsum())

                  Px_last  FINAL  RETURN  Stock_RES  WANTED  WANTED1
Stock Date                                                          
ALKM  10/27/2016   0.0013      1  -53.85        NaN  -53.85   -53.85
      1/17/2017    0.0009      1  111.11        NaN   57.26    57.26
      1/18/2017    0.0012      1  233.33        NaN  290.60   290.59
      1/23/2018    0.0012      1   16.67        NaN  307.26   307.26
      1/30/2018    0.0019      1  -42.11        NaN  265.16   265.15
ANDI  12/28/2017   0.0017      1  370.59        NaN  370.59   370.59
      2/14/2018    0.0324      1   20.00        NaN  390.59   390.59
APPZ  9/22/2017    0.0002      1  -50.00        NaN  -50.00   -50.00
      12/5/2017    0.0001      1 -100.00        NaN -150.00  -150.00
      12/6/2017    0.0001      1    0.00        NaN -150.00  -150.00