Skip to main content
 首页 » 编程设计

python之在 Pandas 的多级索引上使用 cumsum 方法

2025年01月19日9artech

我有以下多级数据框(部分)

                    Px_last FINAL   RETURN  Stock_RES   WANTED  
Stock   Date                     
ALKM    10/27/2016  0.0013    1     -53.85    NaN       -53.85 
         1/17/2017  0.0009    1      111.11   NaN        57.26 
         1/18/2017  0.0012    1      233.33   NaN       290.60 
         1/23/2018  0.0012    1       16.67   NaN       307.26 
         1/30/2018  0.0019    1      -42.11   NaN       265.16 
ANDI     12/28/2017 0.0017    1      370.59   NaN       370.59 
         2/14/2018  0.0324    1      20.00    NaN       390.59 
APPZ     9/22/2017  0.0002    1     -50.00    NaN       -50.00 
         12/5/2017  0.0001    1    -100.00    NaN      -150.00 
         12/6/2017  0.0001    1       0.00    NaN      -150.00 

我可以用下面的代码对整个数据框做一个累加和

df3['TTL_SUM'] = df3['RETURN'].cumsum() 

但我想要做的是每只股票的累计总和,但是当我执行以下操作时,我得到一列 NaN。有谁知道我在这里做错了什么?查看上面的数据框

df3['Stock_RES'] = df3.groupby(level=0)['RETURN'].sum() 

当我将它分配给一个变量时它似乎确实有效,但最终我想在数据框中获取它

RESULTS = df3.groupby(level=0)['RETURN'].sum() 

谁能帮帮我。对我来说似乎是相同的代码,所以不确定为什么它不会直接添加到数据框中。

请您参考如下方法:

您在 groupby 上下文中使用了 sum 而不是 cumsum。

df.assign(WANTED1=df.groupby('Stock').RETURN.cumsum()) 
 
                  Px_last  FINAL  RETURN  Stock_RES  WANTED  WANTED1 
Stock Date                                                           
ALKM  10/27/2016   0.0013      1  -53.85        NaN  -53.85   -53.85 
      1/17/2017    0.0009      1  111.11        NaN   57.26    57.26 
      1/18/2017    0.0012      1  233.33        NaN  290.60   290.59 
      1/23/2018    0.0012      1   16.67        NaN  307.26   307.26 
      1/30/2018    0.0019      1  -42.11        NaN  265.16   265.15 
ANDI  12/28/2017   0.0017      1  370.59        NaN  370.59   370.59 
      2/14/2018    0.0324      1   20.00        NaN  390.59   390.59 
APPZ  9/22/2017    0.0002      1  -50.00        NaN  -50.00   -50.00 
      12/5/2017    0.0001      1 -100.00        NaN -150.00  -150.00 
      12/6/2017    0.0001      1    0.00        NaN -150.00  -150.00