Python pandas-计算具有循环依赖项的两个序列的更有效方法

我有一个表示股票回报的

DataFrame

。要分割调整收盘价，我有以下方法：

def returns(ticker, start=None, end=None):
    p = historical_prices(ticker, start, end, data='d', convert=True)
    d = historical_prices(ticker, start, end, data='v', convert=True)

    p['Dividends'] = d['Dividends']
    p['Dividends'].fillna(value=0, inplace=True)
    p['DivFactor'] = 1.
    p['SAClose'] = p['Close']

    records, fields = p.shape
    for t in range(1, records):
        p['SAClose'][t] = p['Adj Close'][t] / p['DivFactor'][t-1] + \
                          p['Dividends'][t-1]
        p['DivFactor'][t] = p['DivFactor'][t-1] * \
                            (1 - p['Dividends'][t-1] / p['SAClose'][t])

    p['Lagged SAClose'] = p['SAClose'].shift(periods=-1)
    p['Cash Return'] = p['Dividends'] / p['Lagged SAClose']
    p['Price Return'] = p['SAClose'] / p['Lagged SAClose'] - 1
    return p.sort_index()

注意

SAClose

（即拆分调整后的关闭）如何取决于滞后的

DivFactor

值。反过来，

DivFactor

取决于滞后的

DivFactor

值以及当前的

SAClose

值

---

上面的方法可以工作，但在循环部分速度非常慢。有没有更有效的方法让我在熊猫身上这样做？考虑到“循环”依赖性（考虑到滞后，我不确定如何进行常规系列数学运算或使用常规移位运算（例如，我对现金回报的处理）。

您可以尝试一次性创建累积调整系数系列，然后不必循环：

(p['Dividends'].fillna(1.) + 1.).cumprod()

---

你把我推向了正确的方向。。。DivFactor不需要与SAClose循环。也就是说，它似乎有一个表单（请参见编辑）不容易传递到

cumprod

。有什么想法吗？