Python 使用先前计算的值（来自同一列）和数据帧中另一列的值计算值

在花了几个小时努力学习如何做到这一点后，我开始接触社区

我从以下几点开始：

                perf
date                
2018-06-01  0.012923
2018-06-02  0.039364
2018-06-03  0.042805
2018-06-04 -0.033214
2018-06-05 -0.021745

需要计算新列的累积百分比变化，但需要确保计算使用100作为起始值。所以我在一行前面加了100：

                perf  pct_change
date                            
2018-05-31       NaN       100.0
2018-06-01  0.012923         NaN
2018-06-02  0.039364         NaN
2018-06-03  0.042805         NaN
2018-06-04 -0.033214         NaN

我需要得到的是：

                perf  pct_change
date                            
2018-05-31       NaN       100.0
2018-06-01  0.012923    101.2923
2018-06-02  0.039364 105.2795701
2018-06-03  0.042805 109.7860621
2018-06-04 -0.033214 106.1396278

公式类似于

pct\u change=previous\u days\u pct\u change*（1+perf）

我尝试了几种不同的方法，包括针对。。。在循环中没有成功

# INCOMPLETE/DOES NOT WORK (adding for illustration purposes only)
for index, row in performance.iterrows():
    curr = performance.loc[index, 'perf']
    pidx = index + pd.DateOffset(-1)
    prev = performance.iloc[[pidx], 'pct_change']
    performance.loc[index, 'pct_change'] = prev * ( 1 + curr )

我还尝试：

performance['pct_change'] = performance['pct_change'].shift() * ( 1 + performance['perf'] )

这将产生：

                perf  pct_change
date                            
2018-05-31       NaN         NaN
2018-06-01  0.012923  101.292251
2018-06-02  0.039364         NaN
2018-06-03  0.042805         NaN
2018-06-04 -0.033214         NaN

但这只给了我一个值

我怀疑已经有一个更简单的方法来做我想做的事情，但我只是没有找到它。任何帮助都将不胜感激。在电子表格中很容易做到，但我想学习如何在熊猫中做到这一点

感谢您使用：

实现您真正想要的：

pct_change_0 = (perf_0 + 1) * 100
pct_change_1 = pct_change_0 * (perf_1 + 1) = (perf_0 + 1) * (perf_1 + 1) *  100
pct_change_2 = pct_change_1 * (perf_2 + 1) = (perf_0 + 1) * (perf_1 + 1) * (perf_2 + 1) * 100
...

因此，您实际上是在计算

perf

值的累积乘积（或者更准确地说

perf+1

值）。

使用：

实现您真正想要的：

pct_change_0 = (perf_0 + 1) * 100
pct_change_1 = pct_change_0 * (perf_1 + 1) = (perf_0 + 1) * (perf_1 + 1) *  100
pct_change_2 = pct_change_1 * (perf_2 + 1) = (perf_0 + 1) * (perf_1 + 1) * (perf_2 + 1) * 100
...

因此，您实际上是在计算

perf

值（或者更准确地说

perf+1

值）的累积乘积

日期=['2018-06-01'、'2018-06-02'、'2018-06-03'、'2018-06-04'、'2018-06-05']
将日期时间导入为dt
日期=[pd.datetime.date（dt.datetime.strtime（x，“%Y-%m-%d”））表示x个日期]
性能=[0.012923,0.039364,0.042805，-0.033214，-0.021745]
df=pd.DataFrame（{'perf'：perfs}，index=dates）
#重要的一点是：
df['pct_change']=（（df['perf']+1.cumprod（）*100）
df
#性能更改
# 2018-06-01  0.012923  101.292300
# 2018-06-02  0.039364  105.279570
# 2018-06-03  0.042805  109.786062
# 2018-06-04 -0.033214  106.139628
# 2018-06-05 -0.021745  103.831622

像这样：

日期=['2018-06-01'、'2018-06-02'、'2018-06-03'、'2018-06-04'、'2018-06-05']
将日期时间导入为dt
日期=[pd.datetime.date（dt.datetime.strtime（x，“%Y-%m-%d”））表示x个日期]
性能=[0.012923,0.039364,0.042805，-0.033214，-0.021745]
df=pd.DataFrame（{'perf'：perfs}，index=dates）
#重要的一点是：
df['pct_change']=（（df['perf']+1.cumprod（）*100）
df
#性能更改
# 2018-06-01  0.012923  101.292300
# 2018-06-02  0.039364  105.279570
# 2018-06-03  0.042805  109.786062
# 2018-06-04 -0.033214  106.139628
# 2018-06-05 -0.021745  103.831622

首先将一个值添加到列中的所有值中，然后使用，然后乘以100。首先将一个值添加到列中的所有值中，然后使用，然后乘以100。它们没有正确对齐，即0.012923映射到100。@today Oof。被那条假行骗了。现在，这基本上是你的答案，但这一代的东西在这个问题上会很有帮助。它们没有正确对齐，即0.012923被映射到100。@today Oof。被那条假行骗了。现在，这基本上是你的答案，但对于这一代人来说，这在这个问题上会很有帮助。非常感谢！我知道一定有更好的办法。正是我需要的。而且。。。我刚刚意识到，我甚至不必额外添加一行初始值为“100”的行！这么干净。再次感谢，非常感谢！我知道一定有更好的办法。正是我需要的。而且。。。我刚刚意识到，我甚至不必额外添加一行初始值为“100”的行！这么干净。再次感谢。