这是我在这里的第一篇文章，希望您能理解困扰我的原因。
因此，我有一个DataFrame，其中包含每天约1200家公司的价格，从2010年开始。现在，我想计算每家公司的总回报。我的DataFrame按日期索引。我可以使用该df.iloc[-1]/df.iloc[0]方法，但是有些公司后来开始公开交易，所以我无法获得这些公司的结果，因为它们被NaN值除以。我已经尝试通过创建一个包含每个股票（列）的第一个有效指数的列表，然后在尝试计算总回报时得到错误的结果！我已经尝试过经典的for循环：
for l in list:
returns = df.iloc[-1]/df.iloc[l]
例如，一只股票的最后价格是16美元左右，而我拥有的第一个数据是1.5美元，这是回报的10倍以上，但我的结果只有1.1左右！我还要补充一点，上述列表还包括Date的第一个有效索引，并且它位于第一个位置。
有人能帮帮我吗？非常感谢你
实际上，您可以通过多种方法进行处理。但我确实建议您在进入更复杂的示例之前，先通过一些基本示例来熟悉python的技能。
如果您想按照自己的方式做，可以这样：
returns = {}
for stock_name in df.columns:
returns[stock_name] = df[stock_name].dropna().iloc[-1] / df[stock_name].dropna().iloc[0]
更加Python化的方式是将其以矢量化形式进行处理，如下所示：
returns = ((1 + data.ffill().pct_change())
.cumprod()
.iloc[-1])
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句