Pandas 数据框添加新列：计算股票价格涨跌幅度

使用 Pandas 计算股票价格涨跌幅度

在 Pandas 数据框中添加一个名为 'close_diff' 的新列，该列的值是 'close' 列的相邻两行之间的差值（即当前行的 'close' 值减去前一行的 'close' 值）。这个操作可以用来计算股票价格的涨跌幅度。

df['close_diff'] = df['close'].diff()

代码解释：

• df['close'].diff()：使用 diff() 方法计算 'close' 列的差值。
• df['close_diff'] = ...：将计算结果赋值给新的列 'close_diff'。

示例：

假设有一个名为 'stock_data' 的数据框，包含以下数据：

| Date | Close | |-------------|-------| | 2023-01-01 | 100 | | 2023-01-02 | 105 | | 2023-01-03 | 102 | | 2023-01-04 | 108 |

执行上述代码后，数据框将添加 'close_diff' 列，结果如下：

| Date | Close | close_diff | |-------------|-------|------------| | 2023-01-01 | 100 | NaN | | 2023-01-02 | 105 | 5.0 | | 2023-01-03 | 102 | -3.0 | | 2023-01-04 | 108 | 6.0 |

注意：

• 第一行 'close_diff' 的值为 NaN，因为没有前一行可以进行差值计算。
• 'close_diff' 列的值表示股票价格的涨跌幅度，正数表示上涨，负数表示下跌。

其他应用：

除了计算股票价格的涨跌幅度，还可以使用类似的方法计算其他数据的时间序列变化，例如：

• 温度变化
• 销售额变化
• 网站流量变化