Python:计算需要从数据帧中分组的值的5年滚动CAGR
Python:计算需要从数据帧中分组的值的5年滚动CAGR
提问于 2019-09-28 02:08:52
我有一个包含历史市值的数据框架，我需要计算它们的5年复合年增长率(CAGR)。但是，dataframe有数百家公司，每家公司的价值都是20年，所以我需要能够隔离每个公司的数据来计算它们的CAGR。我该怎么做呢？
计算复合增长率的函数是：(end/start)^(1/# years)-1。我从未使用过.groupby()或.apply()，因此我不知道如何实现滚动值的复合增长率方程。
下面是部分数据帧的屏幕截图，这样您就可以直观地表示我正在尝试使用的内容：Screeshot of dataframe.
任何指导都将不胜感激！
回答 2
Stack Overflow用户
回答已采纳
发布于 2019-09-28 02:50:32
假设每个公司每年有1个价值。您可以将日期减少为年份。这要简单得多。不需要groupby或apply。
假设您的数据帧名为df。首先，将日期减少到年份：
df['year'] = df['Date'].dt.year第二，添加year+5
df['year+5'] = df['year'] + 5第三，将'df‘与自身合并：
df_new = pandas.merge(df, df, how='inner', left_on=['Instrument', 'year'], right_on=['Instrument','year+5'], suffixes=['_start', '_end'])最后，计算滚动CAGR
df_new['CAGR'] = (df_new['Company Market Cap_end']/df_new['Company Market Cap_start'])**(0.2)-1Stack Overflow用户
发布于 2020-07-02 19:12:50
设置一个玩具示例：
import numpy as np
import pandas as pd
idx_level_0 = np.repeat(["company1", "company2", "company3"], 5)
idx_level_1 = np.tile([2015, 2016, 2017, 2018, 2019], 3)
values = np.random.randint(low=1, high=100, size=15)
df = pd.DataFrame({"values": values}, index=[idx_level_0, idx_level_1])
df.index.names = ["company", "year"]
print(df)
values
company year
company1 2015 19
2016 61
2017 87
2018 55
2019 46
company2 2015 1
2016 68
2017 50
2018 93
2019 84
company3 2015 11
2016 84
2017 54
2018 21
2019 55我建议使用groupby对单个公司进行分组。然后，您可以通过lambda函数应用您的计算。结果基本上是一行代码。
# actual computation for a two-year period
cagr_period = 2
df["cagr"] = df.groupby("company").apply(lambda x, period: ((x.pct_change(period) + 1) ** (1/period)) - 1, cagr_period)
print(df)
values cagr
company year
company1 2015 19 NaN
2016 61 NaN
2017 87 1.139848
2018 55 -0.050453
2019 46 -0.272858
company2 2015 1 NaN
2016 68 NaN
2017 50 6.071068
2018 93 0.169464
2019 84 0.296148
company3 2015 11 NaN
2016 84 NaN
2017 54 1.215647
2018 21 -0.500000
2019 55 0.009217页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/58139544
复制相关文章
相似问题
腾讯云开发者
