脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → pandas计算环比和同比

使用pandas计算环比和同比的方法实例

 更新时间：2022年03月25日 09:11:55   作者：theskylife  
同比和环比都是为了显示数据的变化速度,但是基数不同,同比侧重长期数据趋势变化,环比侧重于短期内数据趋势变化,下面这篇文章主要给大家介绍了关于如何使用pandas计算环比和同比的相关资料,需要的朋友可以参考下

前言

在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']-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.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：

原始数据

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：

环比计算

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：

样本2

计算同环比：

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

计算效果截图：

计算结果2

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：

样本3

计算季度末环比：

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

计算效果图：

季末计算环比

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

计算环比增长

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%') 小数格式化为百分数

方法二：

使用diff（periods=1, axis=0)） 一阶差分函数

periods：移动的幅度 默认值为1

axis:移动的方向，{0 or ‘index’, 1 or ‘columns’}，如果为0或者’index’，则上下移动，如果为1或者’columns’，则左右移动。默认列向移动

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)

计算同比增长

使用一阶差分函数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。

到此这篇关于使用pandas计算环比和同比的文章就介绍到这了,更多相关pandas计算环比和同比内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • python logging 重复写日志问题解决办法详解

    python logging 重复写日志问题解决办法详解

    这篇文章主要介绍了python logging 重复写日志问题解决办法详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-08-08
  • 使用python的turtle绘画滑稽脸实例

    使用python的turtle绘画滑稽脸实例

    今天小编就为大家分享一篇使用python的turtle绘画滑稽脸实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-11-11
  • python实现跨年烟花动态效果

    python实现跨年烟花动态效果

    这篇文章主要介绍了python实现跨年烟花的动态效果，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习吧
    2023-01-01
  • python 基于opencv操作摄像头

    python 基于opencv操作摄像头

    这篇文章主要介绍了python 基于opencv操作摄像头的方法，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下
    2020-12-12
  • PyTorch中torch.save()的用法和应用小结

    PyTorch中torch.save()的用法和应用小结

    本文主要介绍了PyTorch中torch.save()的用法和应用小结,torch.save()的主要作用就是将PyTorch对象保存到磁盘上,下面就来具体介绍一下,感兴趣的可以了解一下
    2024-03-03
  • Python编程中被忽视的核心技巧总结

    Python编程中被忽视的核心技巧总结

    这篇文章主要介绍了一些在 Python 编程中可能被忽视的核心功能，包括默认参数、海象运算符、*args 和 **kwargs 的使用等，需要的可参考下
    2023-08-08
  • Python函数中的不定长参数相关知识总结

    Python函数中的不定长参数相关知识总结

    今天给大家带来的是关于Python函数的相关知识,文章围绕着Python不定长参数展开,文中有非常详细的介绍及代码示例,需要的朋友可以参考下
    2021-06-06
  • 简单介绍Python中的几种数据类型

    简单介绍Python中的几种数据类型

    Python基本内置数据类型有很多种，比如：整型（数字）、字符串、元组、列表、字典和布尔类型，下面就来给大家详细介绍下
    2016-01-01
  • tensorflow 输出权重到csv或txt的实例

    tensorflow 输出权重到csv或txt的实例

    今天小编就为大家分享一篇tensorflow 输出权重到csv或txt的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-06-06
  • 关于VSCode 配置使用 PyLint 语法检查器的问题

    关于VSCode 配置使用 PyLint 语法检查器的问题

    这篇文章主要介绍了VSCode 配置使用 PyLint 语法检查器,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2022-06-06

最新评论