如何计算熊猫的百分比变化

您可以使用pct_change()函数来计算 pandas 中值之间的百分比变化：

 #calculate percent change between values in pandas Series
s. pct_change ()

#calculate percent change between rows in pandas DataFrame
df[' column_name ']. pct_change ()

以下示例展示了如何在实践中使用此功能。

示例 1：pandas 系列的百分比变化

以下代码展示了如何计算 pandas 系列中值之间的百分比变化：

 import pandas as pd

#create pandas Series
s = pd. Series ([6, 14, 12, 18, 19])

#calculate percent change between consecutive values
s. pct_change () 

0 NaN
1 1.333333
2 -0.142857
3 0.500000
4 0.055556
dtype:float64

以下是这些值的计算方法：

• 索引 1：(14 – 6) / 6 = 1.333333
• 索引 2：(12 – 14) / 14 = -.142857
• 指数 3：(18 – 12) / 12 = 0.5
• 指数 4：(19 – 18) / 18 = 0.055556

请注意，您还可以使用period参数来计算不同时间间隔的值之间的百分比变化：

 import pandas as pd

#create pandas Series
s = pd. Series ([6, 14, 12, 18, 19])

#calculate percent change between values 2 positions apart
s. pct_change (periods= 2 ) 

0 NaN
1 NaN
2 1.000000
3 0.285714
4 0.583333
dtype:float64

以下是这些值的计算方法：

• 索引 2：(12 – 6) / 6 = 1.000000
• 指数 3：(18 – 14) / 14 = 0.285714
• 索引 4：(19 – 12) / 12 = .583333

示例 2：pandas DataFrame 中的百分比变化

以下代码显示如何计算 pandas DataFrame 中连续行之间的百分比变化：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' period ': [1, 2, 3, 4, 5],
                   ' sales ': [6, 7, 7, 9, 12]}) 

#view DataFrame
df

        period sales
0 1 6
1 2 7
2 3 7
3 4 9
4 5 12

#calculate percent change between consecutive values in 'sales' column
df[' sales_pct_change '] = df[' sales ']. pct_change ()

#view updated DataFrame
df

	period sales sales_pct_change
0 1 6 NaN
1 2 7 0.166667
2 3 7 0.000000
3 4 9 0.285714
4 5 12 0.333333

以下是这些值的计算方法：

• 索引 1：(7 – 6) / 6 = .166667
• 索引 2：(7 – 7) / 7 = 0.000000
• 索引 3：(9 – 7) / 7 = .285714
• 索引 4：(12 – 9) / 9 = .333333

您可以在此处找到pct_change()函数的完整文档。

其他资源

如何计算 Pandas 中列的平均值
如何计算 pandas 的中位数
如何计算 Pandas 的移动平均线
如何计算pandas中的滑动相关性