Как писать из цикла в dataframe

Я пытаюсь рассчитать 33 бета-версии акций и записать их в фрейм данных.

К сожалению, у меня есть ошибка в моем коде: не может конкатенировать объект типа ""; допустимы только объекты pd.Series, pd.DataFrame и pd.Panel (устаревшие)

import pandas as pd
import numpy as np
stock1=pd.read_excel(r"C:\Users\Кир\Desktop\Uni\Master\Nasdaq\Financials 11.05\Nasdaq last\clean data\01.xlsx", '1') #read second sheet of excel file
stock2=pd.read_excel(r"C:\Users\Кир\Desktop\Uni\Master\Nasdaq\Financials 11.05\Nasdaq last\clean data\01.xlsx", '2') #read second sheet of excel file
stock2['stockreturn']=np.log(stock2.AdjCloseStock / stock2.AdjCloseStock.shift(1)) #stock ln return
stock2['SP500return']=np.log(stock2.AdjCloseSP500 / stock2.AdjCloseSP500.shift(1)) #SP500 ln return
stock2 = stock2.iloc[1:] #delete first row in dataframe
betas = pd.DataFrame()
for i in range(0,(len(stock2.AdjCloseStock)//52)-1):
    betas = betas.append(stock2.stockreturn.iloc[i*52:(i+1)*52].cov(stock2.SP500return.iloc[i*52:(i+1)*52])/stock2.SP500return.iloc[i*52:(i+1)*52].cov(stock2.SP500return.iloc[i*52:(i+1)*52]))

Мои данные выглядят как недельная доходность акций и индексов S&P за 33 года. Таким образом, на выходе должно быть 33 бета-версии.

Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
0
0
62
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Я попытался упростить ваш код и создать пример. Я думаю, проблема в том, что ваш расчет возвращает число с плавающей запятой. Вы хотите сделать это pd.Series. DataFrame.append занимает:

DataFrame or Series/dict-like object, or list of these

np.random.seed(20)
df = pd.DataFrame(np.random.randn(33*53, 2),
                  columns=['a', 'b'])
betas = pd.DataFrame()
for year in range(len(df['a'])//52 -1):
    # Take some data
    in_slice = pd.IndexSlice[year*52:(year+1)*52]
    numerator = df['a'].iloc[in_slice].cov(df['b'].iloc[in_slice])
    denominator = df['b'].iloc[in_slice].cov(df['b'].iloc[in_slice])
    # Do some calculations and create a pd.Series from the result
    data = pd.Series(numerator / denominator, name = year)
    # Append to the DataFrame
    betas = betas.append(data)

betas.index.name = 'years'
betas.columns = ['beta']

бета.голова():

           beta
years          
0      0.107669
1     -0.009302
2     -0.063200
3      0.025681
4     -0.000813

Другие вопросы по теме