我的数据框类型：
Date AAPL NFLX INTC
0 2008-01-02 27.834286 3.764286 25.350000
1 2008-01-03 27.847143 3.724286 24.670000
2 2008-01-04 25.721428 3.515714 22.670000
3 2008-01-07 25.377142 3.554286 22.879999
4 2008-01-08 24.464285 3.328571 22.260000
我想对每列中的每一只股票运行.pct_change（1），并将3列追加到df的末尾。
我已经知道该列的名称，例如AAPL，我知道该怎么做。有了这些先验知识，我就可以执行df ['AAPL_Ret'] = df.AAPL.pct_change（1）
但是最终，我的文件中将有100支股票，目标是自动进行计算，而不必在代码中单独键入每个股票行情记录。因此，我将不得不遍历所有列，然后以某种方式运行.pct_change。
有什么想法吗？非常感谢。
答案 0 :(得分：3)
在pct_change上调用DataFrame，然后使用concat可以很容易地将结果加回去。
df = df.set_index('Date')
pd.concat([df, df.pct_change(1).add_suffix('_Ret')], axis=1)
AAPL NFLX INTC AAPL_Ret NFLX_Ret INTC_Ret
Date
2008-01-02 27.834286 3.764286 25.350000 NaN NaN NaN
2008-01-03 27.847143 3.724286 24.670000 0.000462 -0.010626 -0.026824
2008-01-04 25.721428 3.515714 22.670000 -0.076335 -0.056003 -0.081070
2008-01-07 25.377142 3.554286 22.879999 -0.013385 0.010971 0.009263
2008-01-08 24.464285 3.328571 22.260000 -0.035972 -0.063505 -0.027098
需要注意的唯一一件事（您可能已经知道了这一点）是pct_change在具有非数字列的情况下将不起作用。
因此，另一个（更好）的选择是
pd.concat([df, df.select_dtypes(exclude=[object]).pct_change(1)], 1)
Date AAPL NFLX INTC AAPL NFLX INTC
0 2008-01-02 27.834286 3.764286 25.350000 NaN NaN NaN
1 2008-01-03 27.847143 3.724286 24.670000 0.000462 -0.010626 -0.026824
2 2008-01-04 25.721428 3.515714 22.670000 -0.076335 -0.056003 -0.081070
3 2008-01-07 25.377142 3.554286 22.879999 -0.013385 0.010971 0.009263
4 2008-01-08 24.464285 3.328571 22.260000 -0.035972 -0.063505 -0.027098
当您拥有许多非数字列时，它们会优雅地处理它们。
OTOH，我建议您事先将Date设置为索引（并使用选项1），因为通常这是处理库存数据时要执行的操作。并非总是如此。
答案 1 :(得分：3)
请注意，period的{{1}}参数默认为pct_change，可以省略。
1 drop列'Date'df.join(df.drop('Date', 1).pct_change().add_suffix('_Ret'))
Date AAPL NFLX INTC AAPL_Ret NFLX_Ret INTC_Ret
0 2008-01-02 27.834286 3.764286 25.350000 NaN NaN NaN
1 2008-01-03 27.847143 3.724286 24.670000 0.000462 -0.010626 -0.026824
2 2008-01-04 25.721428 3.515714 22.670000 -0.076335 -0.056003 -0.081070
3 2008-01-07 25.377142 3.554286 22.879999 -0.013385 0.010971 0.009263
4 2008-01-08 24.464285 3.328571 22.260000 -0.035972 -0.063505 -0.027098
set_index答案 2 :(得分：-1)
您可以做的一件事是
for col in df.columns:
if not isstock(col):
continue
df["{}_Ret".format(col)] = df[col].pct_change(1)
我之所以包含isstock()部分，是因为您将日期作为列而不是索引，并且您不希望采用日期的百分比变化（我想）。您可以在其他地方定义isstock()，也可以在您的代码中将其替换为所需的任何条件。