同比和環(huán)比都是為了顯示數(shù)據(jù)的變化速度,但是基數(shù)不同,同比側重長期數(shù)據(jù)趨勢變化,環(huán)比側重于短期內(nèi)數(shù)據(jù)趨勢變化,下面這篇文章主要給大家介紹了關于如何使用pandas計算環(huán)比和同比的相關資料,需要的朋友可以參考下

前言

在進行業(yè)務數(shù)據(jù)分析時，往往需要使用pandas計算環(huán)比、同比及增長率等指標，為了能夠更加方便的進行的統(tǒng)計數(shù)據(jù)，整理方法如下。

1.數(shù)據(jù)準備

為方便進行演示，此處提前生成需要進行統(tǒng)計的數(shù)據(jù)，數(shù)據(jù)已經(jīng)是按照時間維度進行排序。

months = pd.date_range(start='2010-01-01', end='2020-12-31', freq='M')
test_df = pd.DataFrame({'month': months,
                  'v': 100*np.random.rand(months.shape[0], 1).reshape(months.shape[0])})

2.環(huán)比計算

2.1 方法1

test_df['v_last']=test_df['v'].shift(1)
test_df['month_erlier_1']=test_df['v']/test_df['v_last']-1

2.2 方法2

test_df['m_m_diff']=test_df['v'].diff()
test_df['month_erlier_2']=test_df['m_m_diff']/test_df['v'].shift(1)

2.3 方法3

test_df['month_erlier_3']=test_df['v'].pct_change()

3.同比計算

繼續(xù)使用上述構建的數(shù)據(jù)源進行計算。

3.1 方法1

test_df["last_year_v"]=test_df['v'].shift(12)
test_df['year_erlier_1']=test_df['v']/test_df['last_year_v']-12

3.2 方法2

test_df["year_diff"]=test_df['v'].diff(12)
test_df['year_diff'].fillna(0,inplace=True)
test_df['year_erlier_2']=test_df['year_diff']/(test_df['v']-test_df['year_diff'])

3.3 方法3

test_df['year_erlier_3']=test_df["v"].pct_change(periods=12)

4.關于pct_change()函數(shù)

pct_change主要涉及一下參數(shù)：

periods=1，用來設置計算的周期。
fill_method=‘pad’，如何在計算百分比變化之前處理缺失值(NA)。
limit=None，設置停止填充條件，即當遇到填充的連續(xù)缺失值的數(shù)量n時，停止此處填充
freq=None，從時間序列 API 中使用的增量（例如 ‘M’ 或 BDay())

4.1 使用例子1

#構建數(shù)據(jù)
months = pd.date_range(start='2020-01-01', end='2020-12-31', freq='M')
test_df2 = pd.DataFrame({'month': months,
                  'v': 100*np.random.rand(months.shape[0], 1).reshape(months.shape[0])})
test_df2.loc[((test_df2.index>5) & (test_df2.index<9) ),'v']=np.nan
test_df2.loc[test_df2.index==3,'v']=np.nan
test_df2.loc[test_df2.index==10,'v']=np.nan

數(shù)據(jù)展示：

原始數(shù)據(jù)

計算環(huán)比：

#向下進行填充，當連續(xù)缺失值的數(shù)量大于2時不進行填充
test_df2['v'].pct_change(1,fill_method='ffill',limit=2)

計算效果圖：

環(huán)比計算

4.2 使用例子2

# 生成樣本數(shù)據(jù)
test_df3 = pd.DataFrame({'2020': 100*np.random.rand(5).reshape(5),
                         '2019': 100*np.random.rand(5).reshape(5),
                         '2018':  100*np.random.rand(5).reshape(5)})

樣本數(shù)據(jù)截圖：

樣本2

計算同環(huán)比：

test_df3.pct_change(axis='columns',periods=-1)

計算效果截圖：

計算結果2

4.3 使用例子3

#構建數(shù)據(jù)樣本
months = pd.date_range(start='2020-01-01', end='2020-12-31', freq='M')

test_df4 = pd.DataFrame({
    'v': 100*np.random.rand(months.shape[0], 1).reshape(months.shape[0])}, index=months)

數(shù)據(jù)樣本截圖：

樣本3

計算季度末環(huán)比：

test_df4["v"].pct_change(freq="Q")

計算效果圖：

季末計算環(huán)比

計算過程解釋：

2020-03-31行處的值：使用3月份和1月份進行環(huán)比，即55.717305/84.492806-1
2020-06-30行處的值：使用6月份和3月份進行環(huán)比

計算環(huán)比增長

方法一：

for i in range(0,len(data)):
    if i == 0:
        data['huanbi'][i] = 'null'
    else:
        data['huanbi'][i] = format((data['mony'][i] - data['mony'][i-1])/data['mony'][i-1],'.2%')
        #format(res,'.2%') 小數(shù)格式化為百分數(shù)

方法二：

使用diff（periods=1, axis=0)）一階差分函數(shù)

periods：移動的幅度默認值為1

axis:移動的方向，{0 or ‘index’, 1 or ‘columns’}，如果為0或者’index’，則上下移動，如果為1或者’columns’，則左右移動。默認列向移動

data['huanbi_1'] = data.mony.diff()

方法三：

使用pct_change()

data['huanbi_1'] = data.mony.pct_change()
data.fillna(0,inplace=True)

計算同比增長

使用一階差分函數(shù)diff()

data['tongbi_shu'] = data.mony.diff(12)
data.fillna(0,inplace=True)
data['tongbi'] = data['tongbi_shu']/(data['mony'] - data['tongbi_shu'])
``

5.后記

以上就是時候用pandas進行計算同比和環(huán)比的方法，請在使用過程中，結合數(shù)據(jù)情況先進行數(shù)據(jù)清洗后，再選擇合適的方法進行計算。

到此這篇關于使用pandas計算環(huán)比和同比的文章就介紹到這了,更多相關pandas計算環(huán)比和同比內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

軟件下載

源碼下載

軟件編程

網(wǎng)絡編程

在線工具

數(shù)據(jù)庫

CMS

常用工具

使用pandas計算環(huán)比和同比的方法實例

目錄

前言

1.數(shù)據(jù)準備

2.環(huán)比計算

3.同比計算

4.關于pct_change()函數(shù)

5.后記

相關文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具