我有以下数据框：
我需要重新采样数据以计算每周pct_change（）。我如何获得每周更改？
类似data['pct_week'] = data['Adj Close'].resample('W').ffill().pct_change()，但数据需要按data.groupby(['month','week'])分组
这样，每个月都会产生4个每周变化的值。然后我可以用图形表示
我所做的是df['pct_week'] = data['Adj Close'].groupby(['week','day']).pct_change()，但我遇到了这个错误TypeError: 'type' object does not support item assignment
如果只想{重采样一次}，则只需DatetimeIndex，因此添加了
各个级别的DataFrame.reset_index都没有先执行，然后使用自定义功能进行分组和重采样，因为未实现pct_change的{{1}}：
resample另一个想法是为def percent_change(x):
return pd.Series(x).pct_change()
使用numpy解决方案：
pct_changedef percent_change(x):
return x / np.concatenate(([np.nan],x[:-1])) - 1
这样，每个月都会为每周更改生成4个值
因此似乎没有df1 = (df.reset_index(level=[1,2,3])
.groupby(['month','week'])['Adj Close']
.resample('W')
.apply(percent_change))
，只有groupby和链Series.pct_change之类的必要下采样了：
sum删除不需要的索引。 datetime索引足以进行重新采样/分组
df.index = df.index.droplevel(['month','week','day'])
按周重新采样，选择所需的列，添加聚合函数，然后计算百分比变化。
df.resample('W')['Adj Close'].mean().pct_change()