So berechnen sie die prozentuale veränderung bei pandas

Mit der Funktion pct_change() können Sie die prozentuale Änderung zwischen Werten in Pandas berechnen:

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

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

Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis nutzen können.

Beispiel 1: Prozentuale Änderung in der Pandas-Reihe

Der folgende Code zeigt, wie die prozentuale Änderung zwischen Werten in einer Pandas-Reihe berechnet wird:

 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

So wurden diese Werte berechnet:

• Index 1: (14 – 6) / 6 = 1,333333
• Index 2: (12 – 14) / 14 = -.142857
• Index 3: (18 – 12) / 12 = 0,5
• Index 4: (19 – 18) / 18 = 0,055556

Beachten Sie, dass Sie das Periodenargument auch verwenden können, um die prozentuale Änderung zwischen Werten in unterschiedlichen Intervallen zu berechnen:

 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

So wurden diese Werte berechnet:

• Index 2: (12 – 6) / 6 = 1,000000
• Index 3: (18 – 14) / 14 = 0,285714
• Index 4: (19 – 12) / 12 = .583333

Beispiel 2: Prozentuale Änderung im Pandas DataFrame

Der folgende Code zeigt, wie die prozentuale Änderung zwischen aufeinanderfolgenden Zeilen in einem Pandas-DataFrame berechnet wird:

 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

So wurden diese Werte berechnet:

• Index 1: (7 – 6) / 6 = .166667
• Index 2: (7 – 7) / 7 = 0,000000
• Index 3: (9 – 7) / 7 = .285714
• Index 4: (12 – 9) / 9 = .333333

Die vollständige Dokumentation der Funktion pct_change() finden Sie hier .

Zusätzliche Ressourcen

So berechnen Sie den Durchschnitt der Spalten in Pandas
So berechnen Sie den Median bei Pandas
So berechnen Sie einen gleitenden Durchschnitt in Pandas
So berechnen Sie die gleitende Korrelation bei Pandas