数据帧不累加值正确（索引）

df.at[0,'Initial'] = 10000 
df.loc[1:99,'Initial'] = df['Initial'].shift(1) + (df['Initial'].shift(1) * df['Pct Change']) 


Initial 
10000.000000 
10063.995538 
NaN 
NaN 
NaN...

与此代码我创建的10000起始值和它应该添加前值+（前值* PCT更改）数据帧不累加值正确（索引）

但是嗨，大家好它在第二行后继续生产NaN

有任何建议吗？

Initial   Pct Change 
10000.000000 -0.000710 
10063.995538  0.006400 
NaN    0.002827 
NaN    0.009148 
NaN    0.000694

我喜欢在初始的3线为10063.995538 +（10063.995538 * 0.002827）但它产生的NaN 不知这种语法df.loc [1：99， '初始']是错误的？

我只能做出初步适当做这个填充：

df.at[0,'Initial'] = 10000 
df.loc[1:,'Initial'] = df['Initial'].shift(1) + (df['Initial'].shift(1) * df['Pct Change']) 
df.loc[2:,'Initial'] = df['Initial'].shift(1) + (df['Initial'].shift(1) * df['Pct Change']) 
df.loc[3:,'Initial'] = df['Initial'].shift(1) + (df['Initial'].shift(1) * df['Pct Change']) 
`....`

但为什么不df.loc [1：99， '初始']工作的？

来源

2017-10-08 J Ng

什么是初始'Initial'的值？ –

嗨，我用 df.at [0，'初始'] = 10000 我没有任何其他行关于初始以外的这2行 –

从你的代码，我假设你想做一些迭代计算。不幸的是，这段代码不会让你走得太远，因为它处理的是'Initial'列中的当前值，除了第一列之外，所有这些都恰好是'NaN'。 –

无需循环，尝试一下cumprod

df['Initial']=np.append(10000,df.iloc[1:,].PctChange.add(1).cumprod().values*10000) 
df 
Out[261]: 
    PctChange  Initial 
0 -0.000710 10000.000000 
1 0.006400 10064.000000 
2 0.002827 10092.450928 
3 0.009148 10184.776669 
4 0.000694 10191.844904

来源

2017-10-08 05:11:18 Wen

太棒了。非常好。 * 10000我花了一段时间才明白。这就是为什么我添加numpy标签。 Numpy通常会赢得 – Dark

@Bharathshetty只是一个多...〜:) – Wen

通常我在concat上使用* 10000来扩展数据框。这就是为什么我花了一些时间。从最终的两端相乘。我真的很感谢你的数学技能:) – Dark

其更好，你去一个for循环，当谈到这种操作，即

df.loc[0,'Initial'] = 10000 
for i in range(1,len(df)): 
    df.loc[i,'Initial'] = df.loc[i-1,'Initial'] + (df.loc[i-1,'Initial'] * df.loc[i,'Pct Change'])

 
     Initial Pct Change 
0 10000.000000 -0.000710 
1 10064.000000 0.006400 
2 10092.450928 0.002827 
3 10184.776669 0.009148 
4 10191.844904 0.000694

来源

2017-10-08 04:30:06 Dark

伟大的这是一个很好的选择，谢谢:) –

如果你有兴趣摆脱for循环... – Wen

我正在分析它。 – Dark

数据帧不累加值正确（索引）

回答

相关问题