我有一個大資料框。您將在下面找到它的摘錄：
lst=[['31122020','A',12],['31012021','A',14],['28022021','A',15],['31032021','A',17]]
df2=pd.DataFrame(lst, columns=['Date','FN','AuM'])
我想計算該列的年初至今（YTD）AuM。新列應如下所示：
lst=[['31122020','A',12,'NaN'],['31012021','A',14,0.167],['28022021','A',15,0.25],['31032021','A',17,0.417]]
df2=pd.DataFrame(lst, columns=['Date','FN','AuM','AuM_YTD_%Change'])
你知道任何可以達到我目標的熊貓功能嗎？
uj5u.com熱心網友回復：
您可以為一年內的日期創建掩碼，然后使用diff cumsum進行更改，并div使用更改率：
df2['Date'] = pd.to_datetime(df2['Date'], format='%d%m%Y')
msk = df2['Date'] < df2.loc[0, 'Date'] pd.to_timedelta(365, unit='D')
df2['AuM_YTD_%Change'] = df2.loc[msk, 'AuM'].diff().cumsum().div(df2.loc[0,'AuM'])
輸出：
Date FN AuM AuM_YTD_%Change
0 2020-12-31 A 12 NaN
1 2021-01-31 A 14 0.166667
2 2021-02-28 A 15 0.250000
3 2021-03-31 A 17 0.416667
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/434273.html