利用Pandas df将研发费用资本化

Question

我正在为我的论文做一个项目，这个项目与我拥有的一组公司的研发(R&D)费用的资本化有关。

对于那些不熟悉金融术语的人，我试图通过每段时间递减(或“折旧”)以下值来累积每年研发费用的价值。

例如，如果我们有5年的苹果研发费用，折旧率为20%：

year  r&d_exp  dep_rate  r&d_capital

1999    10       0.2          10   
2000    8        0.2          16 
2001    12       0.2        24.4 
2002    7        0.2        25.4 
2003    15       0.2          33  

如果不清楚，则通过以下方式检索r&d_capital：

2000 = 10*(1-0.2) +8

2001 = 10*(1-0.4) + 8*(1-0.2) + 12

2002 = 10*(1-0.6) + 8*(1-0.4) + 12*(1-0.2) +7

2003 = 10*(1-0.8) + 8*(1-0.6) + 12*(1-0.4) + 7*(1-0.2) + 15

如何在pandas Dataframe中自动执行此计算？另外，考虑到我的数据框中有多家公司。

提前感谢您的帮助:)

Answer 1

我相信有更好的方法可以做到这一点，但是使用for循环和索引，您可以适当地添加'r&d_exp'和'dep_rate'：

import pandas as pd
import numpy as np

df = pd.DataFrame(((1999, 10, 0.2, 10),
                   (2000, 8 , 0.2,   16),
                   (2001, 12, 0.2, 24.4),
                   (2002, 7 , 0.2, 25.4),
                   (2003, 15, 0.2,   33)),
                  columns=('year', 'r&d_exp', 'dep_rate', 'r&d_capital'))

我们可以使用索引和列表理解来计算每个值的总和，直到每年：

# set to zero to show that correct values are recovered
df['r&d_capital'] = 0
print(df['r&d_capital'])
>>> np.array([0, 0, 0, 0, 0])

df['r&d_capital'] = [(df['r&d_exp'].iloc[:i] * (1 - df['dep_rate'].iloc[:i]*np.arange(i)[::-1])).sum()
                     for i in range(1, len(df)+1)]

df['r&d_capital'].values
>>> array([10. , 16. , 24.4, 25.4, 33. ])

我们使用df['r&d_exp'].iloc[:i]来提取直到索引i的序列，然后使用指数数组np.arange(i)[::-1]来生成相关年份的总折旧率。重要的是，这个数组颠倒过来，这样前面的值就有多个整数的折旧值。这就产生了我假设的折旧后的初始投资的价值。然后将所有这些贡献相加，得到总资本。这个方法已经可以处理不同的折旧率了。

原则上，这可以很容易地扩展到其他公司。

我希望这能帮到你。