Pandas Python - 创建索引性能跟踪器

Question

这是我第一次发帖，所以提前一百万感谢您对我的问题的任何解决方案！

我正在尝试创建一个函数，该函数将 fund_name 作为参数并在 fund_name df 的新列中创建索引性能计数（从 100 开始）。 df 输入类似于 this image.

并且可以在 this image 中看到所需的输出。

我使用的代码如下，但导致索引从零开始而不是 100：

def test(fund_name):
   fund_name['Indexed_Performance'] = ''
   fund_name['Indexed_Performance'] = pd.to_numeric(fund_name['Indexed_Performance'])
   fund_name.loc[0, 'Indexed_Performance'] = fund_name.loc[0, 'Monthly_Performance']
   for i in range(1, len(fund_name)):
       if fund_name.loc[i, 'Indexed_Performance'] < 10:
           fund_name.loc[i, 'Indexed_Performance'] = 100 * (fund_name.loc[i, 'Monthly_Performance'] + 1)
       else:
           fund_name.loc[i, 'Indexed_Performance'] = fund_name.loc[i-1, 'Indexed_Performance'] * (fund_name.loc[i, 'Monthly_Performance'] + 1)

再次提前感谢您对此问题的任何解决方案！

Answer 1

我不太清楚你的意思，尤其是在if语句中，但也许就这么简单？

import numpy as np

def test(df):
    perfs = 1 + df['Monthly_Performance']
    df['Indexed_Performance'] = np.cumprod(perfs) * 100  # Cumulative product of ratios

输出

    Monthly_Performance  Indexed_Performance
0                 -0.05            95.000000
1                  0.10           104.500000
2                  0.02           106.590000
3                 -0.06           100.194600
4                  0.00           100.194600
5                 -0.04            96.186816
6                  0.07           102.919893
7                 -0.07            95.715501
8                 -0.01            94.758346
9                  0.07           101.391430
10                 0.10           111.530573
11                 0.07           119.337713
12                 0.06           126.497976
13                -0.03           122.703036
14                 0.10           134.973340
15                -0.04           129.574406
16                -0.03           125.687174
17                -0.06           118.145944
18                 0.06           125.234700

如果不能，您能否提供更多有关如何计算绩效指标的详细信息？

Pandas Python - 创建索引性能跟踪器

Pandas Python - Creating an indexed performance tracker

python

finance

pandas