我有一个数据框,其中包含日期作为索引,并且一个值列存储在索引中的连续日期之间(即日期)的增长百分比。假设我想通过将第一个日期的基数设为100,然后迭代地应用增长百分比来计算“实际”值。使用cumprod方法很容易。
现在,我想将最后一个日期在索引中设为100基准。因此,我需要计算索引中每个日期的“反向”增长率。是否有一种简单的方式(并且Python风格良好),可以使用Pandas进行此操作?
谢谢,
Allia
dfci = df.iloc[::-1].cumprod().iloc[::-1]
适用于帧和系列。
添加一个关键词:reverse cumprod
df
。np.random.seed([3,1415])
tidx = pd.date_range('2012-04-01', periods=10)
df = pd.DataFrame(dict(A=np.random.rand(10) / 10), tidx)
df
A
2012-04-01 0.044494
2012-04-02 0.040755
2012-04-03 0.046015
2012-04-04 0.046524
2012-04-05 0.046269
2012-04-06 0.001655
2012-04-07 0.085045
2012-04-08 0.081774
2012-04-09 0.077796
2012-04-10 0.075798
cumprod
然后再除以最后一个值。dcum = df.add(1).cumprod()
dcum.div(dcum.iloc[-1]).mul(100)
A
2012-04-01 61.539104
2012-04-02 64.047157
2012-04-03 66.994277
2012-04-04 70.111111
2012-04-05 73.355090
2012-04-06 73.476459
2012-04-07 79.725230
2012-04-08 86.244715
2012-04-09 92.954225
2012-04-10 100.000000
以防其他人也会来到这里,让我提供一个更通用的答案。
假设你的DataFrame列、Series、向量或其他任何东西,X
有n
个值。在任意位置i
,你想要获取
(X[i])*(X[i+1])*...*(X[n])
,
这相当于
(X[1])*(X[2])*...*(X[n]) / (X[1])*(X[2])*...*(X[i-1])
。
因此,您可以这样做:
inverse_cumprod = (np.prod(X) / np.cumprod(X)) * X