计算DataFrame的总回报

问题描述

这是我在这里的第一篇文章，希望您能理解困扰我的事情。

因此，我有一个DataFrame，其中包含从2010年开始每天约1200家公司的价格。现在，我想计算每个公司的总回报。我的DataFrame按日期索引。我可以用 df.iloc[-1]/df.iloc[0]方法，但是有些公司后来开始公开交易，因此我无法获得这些公司的结果，因为它们被NaN值除以。我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，而我的结果仅为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。

有人可以帮我吗？非常感谢

解决方法

实际上您可以通过多种方式进行此操作。但我确实建议您在开始更复杂的示例之前，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Python化的方式是将其向量化，例如：

returns = ((1 + data.ffill().pct_change())
            .cumprod()
            .iloc[-1])