Python 按组别划分的年化回报率

我有月报，想分两组计算年化收益。下面是示例数据

Return_M    Rise
0.097425    1
0.188547    1
-0.1509     1
0.28011     1
-0.09596    1
0.041459    1
0.106838    1
0.046581    0
-0.16068    0
0.009242    0
0.006104    0
-0.00709    0
0.050352    0
-0.01023    0
-0.00731    0
0.031946    0
0.048552    0

这是我尝试过的，但代码实际上不是按组计算df1的长度。我希望有一种方法可以广泛应用

df2=df1.groupby（['Rise']）[['Return\u M']]应用（lambda x:np.prod（1+x）**（12/len（x））

这是预期输出：

Rise    Return_M
1      0.249862
0      -0.00443

---

您只需在

Rise

列中选择

groupby

，然后在

Return\M

列中进行聚合

以下代码段假设您想除以12（基于您的问题）

但是，如果您需要基于每组<代码>上升记录数量的平均值，您可以简单地执行以下操作：

df2 = df1.groupby('Rise').agg('Return_M': 'mean')

编辑：根据OP的评论编辑答案：

要根据您的公式获得几何年化回报率，以下公式将起作用：

df.groupby('Rise').Return_M.apply(lambda x: (1+x).product() ** (12/float(len(x))))

但是，输出与您在问题中发布的预期输出不同：

Rise
0        0.986765
1        1.952498

然而，根据您描述的公式，这正是正确的输出

对于

Rise=1

，我也手动进行了此计算：

• 我取每个（1加上

  Return\M

  ）值的乘积
• 将乘积提高到（12除以组的长度，此组为7）

（1+0.097425）*（1+0.188547）*（1+-0.1509）*（1+0.28011）*（1+-0.09596）*（1+0.041459）*（1+0.106838）=1.4774446702

1.4774446702^（12/7）=1.9524983367

---

所以只要检查一下你的逻辑是否正确。如果这个答案解决了您的问题，请将其标记为已接受。

您可以发布您的预期输出吗？我刚刚为答案添加了预期输出。我认为我必须使用apply方法来计算几何累积收益率，但这种方法不适用。你的方法是计算算术平均值。@罗杰，我认为你应该在问题中添加更多细节，以获得更完整、更准确的答案。你能提供几何累积回报率的计算细节吗？@Roger我已经更新了我的答案，以满足你的需要。您只需在

Rise

列中按分组，然后在

Return\M

列中聚合值。

Rise
0        0.986765
1        1.952498