我有一个以年为索引的熊猫数据框,一列有股票ID,第二列有回报。数据帧约有20万行。我想再加上3栏,分别是未来5年、10年和20年每只股票的累计回报率。为此,我通过ID列进行分组,并对分组对象应用一个函数,我在下面的一个简单示例中展示了这个函数。我知道这需要一些时间,但到目前为止,代码已经执行了23个小时,仍然在运行。你知道吗
我有两个问题:
下面是我的代码,应用于一个更简单的示例。你知道吗
In [1]: import pandas as pd
In [2]: simple_df = pd.DataFrame([[1,1,1,2,2],[0.1,0.05,0.15,0.3,0.2]], columns=[2010,2011,2012,2011,2012], index=['ID','Return']).T
In [3]: simple_df
Out[3]:
ID Return
2010 1.0 0.10
2011 1.0 0.05
2012 1.0 0.15
2011 2.0 0.30
2012 2.0 0.20
In [4]: grouped = simple_df.groupby('ID', sort=False)
In [5]: create_df = lambda x: pd.DataFrame({i: x.Return.shift(-i) for i in range(0,3)})
In [6]: df_1 = grouped.apply(create_df)
In [7]: df_1
Out[7]:
0 1 2
2010 0.10 0.05 0.15
2011 0.05 0.15 NaN
2012 0.15 NaN NaN
2011 0.30 0.20 NaN
2012 0.20 NaN NaN
In [8]: df_2 =(df_1+1).cumprod(axis=1)-1
In [9]: df_2
Out[9]:
0 1 2
2010 0.10 0.1550 0.32825
2011 0.05 0.2075 NaN
2012 0.15 NaN NaN
2011 0.30 0.5600 NaN
2012 0.20 NaN NaN
In [10]: simple_df['Return_3y'] = df_2.iloc[:,2]
In [11]: simple_df
Out[11]:
ID Return Return_3y
2010 1.0 0.10 0.32825
2011 1.0 0.05 NaN
2012 1.0 0.15 NaN
2011 2.0 0.30 NaN
2012 2.0 0.20 NaN
用^{} 和^{} 代替
apply
:相关问题 更多 >
编程相关推荐