从以多个 NaN 开头的时间序列创建一个基本的 100 索引

问题描述

我有以下数据框（为了简洁而截断的返回时间序列）：

import pandas as pd
import numpy as np

df = pd.DataFrame({'return':np.array([np.nan,np.nan,0.015,-0.024,0.033,0.021,0.014,-0.092])})

我试图在第一次返回之前的最后一个 NaN 处开始索引（即“base-100”） - 同时将 100 值之前的 NaN 保持在适当的位置 - （考虑附加到现有数据框并用于绘图目的）。

我只找到了一种在返回向量中没有 NaN 时创建所述索引的方法：

df['index'] = 100*np.exp(np.nan_to_num(df['return'].cumsum()))

任何想法 - 提前谢谢！

解决方法

如果你的初始数组是

zz = np.array([np.nan,np.nan,0.015,-0.024,0.033,0.021,0.014,-0.092])

然后您可以像这样获得所需的输出（尽管可能有更优化的方法）：

np.concatenate((zz[:np.argmax(np.isfinite(zz))],100*np.exp(np.cumsum(zz[np.isfinite(zz)]))))

,

使用Series.isna，通过索引改变顺序并通过Series.idxmax获取最后一个NaN的索引：

idx = df['return'].isna().iloc[::-1].idxmax()

传递给DataFrame.loc，重新补缺值并使用累积和：

df['return'] = df.loc[idx:,'return'].fillna(100).cumsum()
print (df)
    return
0      NaN
1      NaN
2  100.000
3  100.015
4   99.991
5  100.024
6  100.045
7  100.059
8   99.967

您可以将Series.isna与Series.cumsum一起使用并通过max进行比较，然后将最后一个NaN替换为Series.fillna并最后使用累积总和：

s = df['return'].isna().cumsum()

df['return'] = df['return'].mask(s.eq(s.max()),df['return'].fillna(100)).cumsum()
print (df)
    return
0      NaN
1      NaN
2  100.000
3  100.015
4   99.991
5  100.024
6  100.045
7  100.059
8   99.967