### 使用 Python 计算股票的涨跌幅 为了计算股票的日涨跌幅，可以利用 `pandas` 库中的 `shift()` 函数来获取前一交易日的数据，并基于此执行相应的运算。下面展示了具体的实现方式： ```python import pandas as pd def calculate_change_pct(data): ''' 计算个股数据每天股价的涨跌幅 参数: data: DataFrame 类型, 包含至少有'close'(收盘价)列的个股行情源数据 返回: 更新后的DataFrame对象，在原有基础上新增了一列名为'close_pct'表示每日涨跌幅百分比 ''' # 利用 shift 方法获得前一天的价格并进行涨跌幅计算 data['close_pct'] = (data['close'] - data['close'].shift(1)) / data['close'].shift(1) * 100 return data ``` 上述代码定义了一个函数 `calculate_change_pct`, 它接收一个包含股票历史价格信息（特别是收盘价）的 Pandas 的 DataFrame 对象作为输入参数[^1]。 该函数通过调用 `shift()` 来访问每条记录对应的上一条记录（即前一天），从而能够按照给定公式 `(当前收盘价-上一个交易日收盘价)/上一个交易日收盘价*100%` 正确地计算出每一天相对于前一天的变化比例，并将其存储在一个新的列 `'close_pct'` 中。 此外，如果希望保存这些处理过的数据到 CSV 文件中以便后续分析，则可参照如下做法: ```python # 假设已经有一个包含了所有所需字段以及新添加的 close_pct 字段的 df 变量 df.to_csv('stock_data_with_changes.csv', index=False) # 或者当创建CSV文件时指定特定字段顺序写入 fieldnames = ['股票代码', '股票名字', '当前价', '涨跌额', '涨跌幅/%'] csv_writer = csv.DictWriter(f, fieldnames=fieldnames) csv_writer.writeheader() for row in stock_data_list: csv_writer.writerow(row) ``` 这里需要注意的是，实际应用过程中可能还需要考虑诸如节假日、停牌等因素造成的时间序列中断情况下的特殊处理逻辑[^2]。