如何利用python中的pandas模块计算环比和同比
在利用python进行业务数据分析时,往往需要使用pandas计算环比、同比及增长率等指标,为了能够更加方便的进行的统计数据,整理方法如下。
1.数据准备
为方便进行演示,此处提前生成需要进行统计的数据,数据已经是按照时间维度进行排序。
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.环比计算
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.同比计算
继续使用上述构建的数据源进行计算。
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']-1
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.关于pct_change()函数
pct_change主要涉及一下参数:
- periods=1,用来设置计算的周期。
- fill_method=‘pad’,如何在计算百分比变化之前处理缺失值(NA)。
- limit=None,设置停止填充条件,即当遇到填充的连续缺失值的数量n时,停止此处填充
- freq=None,从时间序列 API 中使用的增量(例如 ‘M’ 或 BDay())
4.1 使用例子1
#构建数据
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
数据展示:
计算环比:
#向下进行填充,当连续缺失值的数量大于2时不进行填充
test_df2['v'].pct_change(1,fill_method='ffill',limit=2)
计算效果图:
4.2 使用例子2
# 生成样本数据
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)})
样本数据截图:
计算同环比:
test_df3.pct_change(axis='columns',periods=-1)
计算效果截图:
4.3 使用例子3
#构建数据样本
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)
数据样本截图:
计算季度末环比:
test_df4["v"].pct_change(freq="Q")
计算效果图:
计算过程解释:
2020-03-31行处的值:使用3月份和1月份进行环比,即55.717305/84.492806-1
2020-06-30行处的值:使用6月份和3月份进行环比
5.后记
以上就是时候用pandas进行计算同比和环比的方法,请在使用过程中,结合数据情况先进行数据清洗后,再选择合适的方法进行计算。
如何利用python中的pandas模块计算环比和同比相关推荐
- Python中的pandas模块学习
本文是基于Windows系统环境,学习和测试pandas模块: Windows 10 PyCharm 2018.3.5 for Windows (exe) python 3.6.8 Windows x ...
- 在Ubuntu 16.04.5 LTS上利用python中的PIL模块压缩一百多兆的单张图片实操
在前面的博文中,我将300多张电影海报拼接为了一张103MB的巨幅图片,我想拿它做电脑桌面(1080P),但是这么多的图片,存储和加载是个麻烦事儿,需要将它压缩到几MB大小. 在Ubuntu 16.0 ...
- 利用python中的gzip模块压缩和解压数据流和文件
直接给出源码实现, 分为两种情况: 1.网络连接中的数据流的压缩和解压,或是打开的文件读取一部分 2.打开文件压缩或是解压 #!/usr/bin/env python #encoding: utf-8 ...
- python doc转docx_利用python中的win32com模块将doc文件转为docx文件
简介 win32com模块的功能也是非常的强大的,能够处理各种的文件 word操作 如何使用python的win32com模块实现将doc类型文件转成docx类型的文件 import os from ...
- 利用python中的zipfile模块进行解压缩
文章目录 一.主要使用代码: 二.详解 1.压缩文件的基本信息 2.解压文件 本文主要说解压的问题 一.主要使用代码: #导入模块 import zipfile #压缩包所在路径 file_dir=' ...
- python中的sympy模块求导和解方程
利用python中的sympy模块求导和解方程 对sympy这个模块我不是很了解,我学习python主要是想往机器学习和深度学习方向发展.这次了解到有这个模块,是因为有同学在写论文中要用到求导,并且计 ...
- 计算圆周率可以根据公式如下:请利用Python提供的itertools模块,我们来计算这个序列的前N项和——python
1. 题目: ' 计算pi的值 的方法如下' # step 1: 创建一个奇数序列: 1, 3, 5, 7, 9, ...# step 2: 取该序列的前N项: 1, 3, 5, 7, 9, ..., ...
- python保存变量sklearn.externals_如何利用python中的sklearn.externals 模块保存加载训练模型...
前提:在做模型训练的时候,尤其是在训练集上做交叉验证,通常想要将模型保存下来,然后放到独立的测试集上进行测试,本文主要介绍如何利用python中的sklearn.externals 模块保存训练模型, ...
- python中的numpy模块
参考 python中的numpy模块 - 云+社区 - 腾讯云 目录 NumPy 教程 学习本教程前你需要了解 NumPy 应用 相关链接 NumPy 安装 1.使用已有的发行版本 2.使用 pip ...
- 利用python中的xlrd和xlwt操作excel
微信公众号:数据运营人 本系列为博主的读书学习笔记,如需转载请注明出处. 当提起数据处理,一般情况下我们都可以用python中的pandas完成,但是当我们发现一些不规则的excel数据,所谓不规则如 ...
最新文章
- Fastadmin管理Mysql_FastAdmin-CMS模版制作(6)-正式部署
- python列表修改数据_使用列表理解修改数据框架列
- C语言类型转换大学霸IT达人
- (function() {})();和(function(){}())
- terminate和quit导致串口资源被占用
- 如何在 ASP.NET Core 中使用 LazyCache
- mysql normsinv_在MySQL中实现NORMSINV函数
- 我擦 以后在也不乱去听别人讲座了。。
- SMOTE过采样算法
- grafana配置alert
- excel计数连续负数(正数)
- Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(MAML)研读笔记
- fstream、ifstream、ofstream创建新文件
- ROTATED REGION BASED CNN FOR SHIP DETECTION 基于旋转区域的CNN舰船检测
- 2020计算机专业保研夏令营面经:北航计算机
- 【Windows】服务程序
- 《弃子长安》第九章 大漠金钩
- 平板电脑取代PC是大势所趋?
- iFixit:苹果AirTag拆解,内部结构紧凑
- 算法总结-树(正在更新)