用来自另一个数据框的元素填充数据框并执行计算

Question

我正在尝试用 df2 的第一列填充 df1 的 ['A'] 列，并执行（5 年）滚动复合增长计算。但是当我在代码下面运行时，计算机进入了无限循环。我做错了什么？

import pandas as pd
import numpy as np

df1 = pd.DataFrame(np.random.randint(0,100,size=(15, 4)), columns=list('ABCD'))
df2 = pd.DataFrame(np.zeros((15, 4)), columns=list('ABCD'))
for ind in df1.index: 

    while len(df1.index) >(6+ind): 
        amount_start= df1.iloc[0+ind,0]
        amount_end = df1.iloc[6+ind,0]    
        df2['A'][ind] =((amount_start/amount_end)**(1/5))-1

----------更新------------------------ -----

所以只是为了解释得更好一点。我有一个多索引数据框，其中包含不同年份的不同代码，并希望为每个代码获取一个新的 CAGR 列（在本例中为 3y。Akshay 发布的代码效果很好，但由于它仅适用于一个代码，我将其更改为groupby 方法，但现在我无法将系列附加到我的 Dataframe。最好的方法是什么？我在下面附上了屏幕截图。

windows = df.groupby('Symbol').rolling(1+3) df2 = windows['Revenue'].apply(lambda x: (x.iloc[0]/x.iloc[-1])**(1/3)-1)

[CAG_3y][1]：https://i.stack.imgur.com/SgeNK.png

Answer 1

IIUC，您正在尝试计算复合增长，超过大小为 5 的滚动窗口。

单列滚动窗口

这是您想要实现的目标吗？如果是，那么您可以使用pd.Series.rolling() 将您的 CAGR 函数应用于列/系列的滚动窗口。

windows = df1.A.rolling(5)
df2.A = windows.apply(lambda x: (x.iloc[0]/x.iloc[-1])**(1/5)-1)
df2.A

0          NaN
1          NaN
2          NaN
3          NaN
4     0.203404
5     0.100237
6     0.308324
7    -0.099169
8    -0.234710
9    -0.045973
10   -0.167447
11    0.218108
12    0.272260
13    0.043961
14   -0.234327
Name: A, dtype: float64

所有列的滚动窗口

rolling 方法的好处在于它也可用于pd.DataFrame.rolling() 的数据框，它可以一次应用于所有列。

windows = df1.rolling(5)  #df1 instead of df1['A']
windows.apply(lambda x: (x.iloc[0]/x.iloc[-1])**(1/5)-1)

注意：inf 值是因为您在数据帧中随机生成的 0 作为分母。 Nan 值是没有足够的先验窗口大小来计算 cagr 的值。但是如果你想在 rolling() 方法中使用一些参数，你可以避免这种情况。

---

详细功能

用滚动窗口查看列的原始、第一个、最后一个和复合值-

d = {'original A':df1.A, 
     'first': df1.A.rolling(5).apply(lambda x: x.iloc[0]),
     'last': df1.A.rolling(5).apply(lambda x: x.iloc[-1]),
     'first/last': df1.A.rolling(5).apply(lambda x: (x.iloc[0]/x.iloc[-1])),
     '(first/last)^power': df1.A.rolling(5).apply(lambda x: (x.iloc[0]/x.iloc[-1])**(1/5)),
     'CAGR': df1.A.rolling(5).apply(lambda x: (x.iloc[0]/x.iloc[-1])**(1/5)-1)
    }

pd.DataFrame(d)