articulos = demanda['idArticulo'].unique()
    respuesta = []

    with ThreadPoolExecutor(max_workers = workers) as e:

        resultados = e.map(proyeccion_art,articulos)

        for resultado in resultados:
            respuesta.append(resultado)

def proyeccion_art(articulo):
    global demanda
    global calendario
    global stock_inicial

    demanda_art = demanda[demanda['idArticulo'] == articulo]

    stock_inicial_art = stock_inicial[stock_inicial['idArticulo'] == articulo]
    proyeccion = pd.merge(calendario,demanda_art,on='idfecha',how='left')
    proyeccion = pd.merge(proyeccion,stock_inicial_art,on='idfecha',how='left')


    proyeccion.fillna(0,inplace=True)
    df = proyeccion.sort_values('idfecha')

    df["stock_final"] = df.stock_total[0] + (-df.dem + df.devoluciones).cumsum()

grupos = df.groupby(['idarticulo'])

g_demanda_sum = grupos['demanda'].transform(pd.Series.cumsum)
g_devoluciones_sum = grupos['devoluciones'].transform(pd.Series.cumsum)

df["stock_final"] = df.stock_total + (-g_demanda_sum + g_devoluciones_sum)
df["stock_inicial"] = df.stock_final.shift(1).fillna(df.stock_total)

En R, lo mismo lo resolvería así:


df %>%
  group_by(idarticulo) %>%
  mutate(stock_final = first(stock_total) + cumsum(-demanda + devoluciones),
         stock_inicial = lag(stock_final, 1, first(stock_total))
  )