Pythonic插入数据帧列并从列表中的每一列计算其值的方法

我有一个DataFrame列（来自我的项目），打印方式如下：

  ticker  2021-02-11 21:04  2021-01-12_close  2020-02-11_close  2016-02-11_close
0   AAPL            134.94        128.607819         79.287888         21.787796
1   MSFT            244.20        214.929993        182.506607         45.343704

这将给出一个股票代码及其当前价格，然后是给定日期的收盘价。我正在寻找一种类似python的方法，在每个

X_close

列之后，插入一个

X_return

列，并计算当前价格和

X

价格之间的回报。做这件事的好方法是什么

谢谢

编辑：当我说“计算回报”时，我的意思是，例如，做：

((134.94 - 128.607819) / 128.607819) * 100

因此，简单地使用

div（）

或

sub（）

是不太令人满意的。

试试：

df.filter

选择

关闭

列

然后

.sub

减去所选列

会合

使用

排序索引对列进行排序

。你可能需要玩这个

所有代码：

df.join(df.filter(like='close').sub(df['2021-02-11 21:04'], axis=0)
   .rename(columns=lambda x: x.replace('close','return'))
).sort_index(axis=1)

尝试：

df.filter

选择

关闭

列

然后

.sub

减去所选列

会合

使用

排序索引对列进行排序

。你可能需要玩这个

所有代码：

df.join(df.filter(like='close').sub(df['2021-02-11 21:04'], axis=0)
   .rename(columns=lambda x: x.replace('close','return'))
).sort_index(axis=1)

---

好问题。其思想是首先简单地创建新列并将其连接到数据帧

df_returns = (df[cols].div(df["2021-02-11 21:04:00"], axis=0)).rename(columns = (lambda x: x.split('_')[0]+'_return'))

df_new = pd.concat([df, df_returns], axis=1).sort_index(axis=1)

或者，您可以使用索引以获得更好的图形实用程序：

df_new[df_new.columns[:-3:-1].union(df_new.columns[:-2], sort=False)]

对于更定制的方法，请使用apply方法

df_returns = (df[cols].apply(foo, axis=0))
def foo(s: pd.Series):
    #Series specific changes
    ans = pd.Series()
    for i in s.shape[0]:
        ans.iloc[i] = some_func(s.iloc[i])
    #Rename series index for convenience 

---

希望这有帮助！在某些函数（）中，您可以执行任何您喜欢的操作。

好问题。其思想是首先简单地创建新列并将其连接到数据帧

df_returns = (df[cols].div(df["2021-02-11 21:04:00"], axis=0)).rename(columns = (lambda x: x.split('_')[0]+'_return'))

df_new = pd.concat([df, df_returns], axis=1).sort_index(axis=1)

或者，您可以使用索引以获得更好的图形实用程序：

df_new[df_new.columns[:-3:-1].union(df_new.columns[:-2], sort=False)]

对于更定制的方法，请使用apply方法

df_returns = (df[cols].apply(foo, axis=0))
def foo(s: pd.Series):
    #Series specific changes
    ans = pd.Series()
    for i in s.shape[0]:
        ans.iloc[i] = some_func(s.iloc[i])
    #Rename series index for convenience 

---

希望这有帮助！您可以在某些函数（）中执行任何您喜欢的操作。

将给出的答案中的想法与我自己的结合起来，以下是我的解决方案：

def calculate_returns(df):

    print(df)
    print()

    # Get dataframe of return values
    returns_df = df.apply(calculate_return_row, axis=1)
    
    # Append returns df to close prices df
    df = pd.concat([df, returns_df], axis=1).sort_index(axis=1, ascending=False)
    
    # Rearrange columns so that close price precedes each respective return value
    return_cols = df.columns[2::2]
    close_cols  = df.columns[3::2]
    reordered_cols = list(df.columns[0:2])
    reordered_cols = reordered_cols + [col for idx, _ in enumerate(return_cols) for col in [close_cols[idx], return_cols[idx]]]
    df = df[reordered_cols]

    print(df)

    return df


def calculate_return_row(row: pd.Series):

    current_price = row[1]
    close_prices  = row[2:]
    
    returns = [calculate_return(current_price, close_price) for close_price in close_prices]
    index = [label.replace('close', 'return') for label in row.index[2:]]
    returns = pd.Series(returns, index=index)

    return returns


def calculate_return(current_val, initial_val):

    return (current_val - initial_val) / initial_val * 100

这样可以避免循环，并将返回列放在关闭列之后：

  ticker  2021-02-12 20:37  2021-01-13_close  2020-02-12_close  2016-02-12_close
0   AAPL          134.3500        130.694702         81.170799         21.855232
1   MSFT          243.9332        216.339996        182.773773         46.082863

  ticker  2021-02-12 20:37  2021-01-13_close  2021-01-13_return  2020-02-12_close  2020-02-12_return  2016-02-12_close  2016-02-12_return
0   AAPL          134.3500        130.694702           2.796822         81.170799          65.515187         21.855232         514.726938
1   MSFT          243.9332        216.339996          12.754555        182.773773          33.461818         46.082863         429.336037

---

谢谢

结合给出的答案和我自己的想法，以下是我的解决方案：

def calculate_returns(df):

    print(df)
    print()

    # Get dataframe of return values
    returns_df = df.apply(calculate_return_row, axis=1)
    
    # Append returns df to close prices df
    df = pd.concat([df, returns_df], axis=1).sort_index(axis=1, ascending=False)
    
    # Rearrange columns so that close price precedes each respective return value
    return_cols = df.columns[2::2]
    close_cols  = df.columns[3::2]
    reordered_cols = list(df.columns[0:2])
    reordered_cols = reordered_cols + [col for idx, _ in enumerate(return_cols) for col in [close_cols[idx], return_cols[idx]]]
    df = df[reordered_cols]

    print(df)

    return df


def calculate_return_row(row: pd.Series):

    current_price = row[1]
    close_prices  = row[2:]
    
    returns = [calculate_return(current_price, close_price) for close_price in close_prices]
    index = [label.replace('close', 'return') for label in row.index[2:]]
    returns = pd.Series(returns, index=index)

    return returns


def calculate_return(current_val, initial_val):

    return (current_val - initial_val) / initial_val * 100

这样可以避免循环，并将返回列放在关闭列之后：

  ticker  2021-02-12 20:37  2021-01-13_close  2020-02-12_close  2016-02-12_close
0   AAPL          134.3500        130.694702         81.170799         21.855232
1   MSFT          243.9332        216.339996        182.773773         46.082863

  ticker  2021-02-12 20:37  2021-01-13_close  2021-01-13_return  2020-02-12_close  2020-02-12_return  2016-02-12_close  2016-02-12_return
0   AAPL          134.3500        130.694702           2.796822         81.170799          65.515187         21.855232         514.726938
1   MSFT          243.9332        216.339996          12.754555        182.773773          33.461818         46.082863         429.336037

---

谢谢

谢谢！我试试这个。如何进行自定义操作而不是减法？以某种方式使用

map（）

吗？谢谢！我试试这个。如何进行自定义操作而不是减法？以某种方式使用

map（）

吗？谢谢！这让我很接近，但除了直接除法之外，我实际上想做的是

（df[cols]-df[“2021-02-11 21:04:00]”）/df[“2021-02-11 21:04:00”]

。如何使用自定义函数而不是

div

？嗯。。你需要这样做。我已经更新了帖子。谢谢！这让我很接近，但除了直接除法之外，我实际上想做的是

（df[cols]-df[“2021-02-11 21:04:00]”）/df[“2021-02-11 21:04:00”]

。如何使用自定义函数而不是

div

？嗯。。你需要这样做。我已经更新了帖子。