如何在熊猫DataFrame中进行递归计算？

Question

我有一个由量化投资算法产生的买卖操作的DataFrame。然后我试着用投资的初始值做一个模拟，以便在每次操作之后计算出最终的资本。

​

​

为此，我创建了一个名为“money”的新列，尝试进行递归计算。其中，“money”列的当前值为以前的值乘以操作的损益百分比。

ops_df['money'] = list( repeat(TOTAL_INVESTED, len(ops_df)) )
ops_df['money'] = (1 + ops_df.profit_perc.shift(1)) * ops_df.money.shift(1)
ops_df.head(10)

但是，没有出现预期的递归计算。我很怀疑，因为正确的归因是在归因之前计算出来的。

​

​

我设法用普通循环来解决这个计算问题，但我一直把它记在脑子里。必须有一种更好、更有表现力的方法来进行这种计算。我想知道，如果有，会是什么样子？

TOTAL_INVESTED = 1000
money = [TOTAL_INVESTED, ]

for i in range(1, len(ops_df)):
    curr_money = round( money[i-1] * (1 + ops_df.profit_perc.iloc[i]), 2 )
    money.append(curr_money)

ops_df['money'] = money

​

​

数据：

{'profit_perc': [-0.039548, 0.490518, 0.127511, -0.019439]}

Answer 1

你可以用cumprod。这样做的目的是找出每一行的收益，并将其乘以初始投资：

TOTAL_INVESTED = 1000
df = pd.DataFrame({'profit_perc': [-0.039548, 0.490518, 0.127511, -0.019439]})
df['money'] = df['profit_perc'].shift(-1).add(1).cumprod().mul(TOTAL_INVESTED).shift().fillna(TOTAL_INVESTED)

输出：

   profit_perc        money
0    -0.039548  1000.000000
1     0.490518  1490.518000
2     0.127511  1680.575441
3    -0.019439  1647.906735