计算DataFrame的总回报

Question

这是我在这里的第一篇文章，我希望你能理解困扰我的是什么。

因此，我有一个DataFrame，从2010年开始，每天包含大约1200家公司的价格。现在我想计算每一个的总回报。我的DataFrame按日期编制索引。我可以用df.iloc[-1]/df.iloc[0]方法，但有些公司在晚些时候开始公开交易，所以我无法得到这些公司的结果，因为它们是用NaN值除以的。我尝试创建一个列表，其中包含每只股票(列(的第一个有效索引，然后当我尝试计算总回报时，我得到了错误的结果！我尝试了一个经典的循环：

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，我的第一个数据是1.5美元，这将是回报率的10倍多，但我的结果只有1.1美元左右！我还想补充一点，前面提到的列表也包括Date的第一个有效索引，它位于第一个位置。

有人能帮帮我吗？非常感谢

Answer 1

实际上有很多方法可以实现这一点。但我建议你在进入更复杂的例子之前，先用基本的例子来复习你的python技能。

如果你想按自己的方式做，你可以这样做：

returns = {}
for stock_name in df.columns:
returns[stock_name] = df[stock_name].dropna().iloc[-1] / df[stock_name].dropna().iloc[0]

一种更像蟒蛇的方式是以矢量化的形式进行，比如：

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