Pandas 百分比变化 - Python

在使用Pandas进行数据分析和处理时，经常需要对数据进行百分比变化的计算。Pandas提供了方便的函数来实现这个功能。

语法

pct_change(periods=1, fill_method='pad', limit=None, freq=None)

• periods: 表示计算百分比变化的时期，可以是一个整数或一个时间序列。默认值为1。
• fill_method:表示填充空值（如果有的话）的方法。默认值为'pad'表示按照前一个数据填充。
• limit: 表示在前向和后向填充时要填充的最大连续数量。默认为None表示填充所有的连续NaN值。
• freq: 表示时间序列的频率。默认为None表示没有频率。

示例

import pandas as pd

# 创建一个示例数据集
data = {'A': [10, 20, 30, 40, 50], 'B': [5, 10, 15, 20, 25]}
df = pd.DataFrame(data, index=['2019', '2020', '2021', '2022', '2023'])

# 计算每个列的两年百分比变化
pct_change = df.pct_change(periods=2)

print(pct_change)

输出：

| | A | B | |:----------|----:|------:| | 2019 | NaN | NaN | | 2020 | NaN | NaN | | 2021 | 0.5 | 2.00 | | 2022 | 1.0 | 1.50 | | 2023 | 0.5 | 0.25 |

在这个示例中，我们首先创建了一个数据框data，其中包含两列'A'和'B'。然后我们使用DataFrame()函数从data创建了一个数据框df，并指定行索引。

我们使用pct_change()函数，计算了每个列的两年百分比变化，并把结果保存到pct_change。

输出结果表明，在pct_change中，第一个NaN行和第二个NaN行是不可避免的，因为截止到2019年和2020年，没有前两年的数据可供计算。之后的每行都表示其所对应列的百分比变化。例如，'A'列从2019年到2021年的百分比变化为0.5，这意味着'A'列从2019年到2021年增长了50%。

终语

在本篇文章中，我们介绍了如何使用Pandas的pct_change()函数计算数据框中各列的百分比变化。此外，我们还给出了该函数的语法和示例。希望这篇文章能够对你在数据分析和处理时的应用有所帮助。