pandas pct_change() 相邻变化百分比

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas.DataFrame.pct_change 方法用于计算当前元素与前一个元素之间的百分比变化，通常用于时间序列数据的趋势分析或比较不同时间点的增长率。

语法

当前元素和先前元素之间的分数变化。默认情况下，计算前一行的分数变化。这在比较元素时间序列中的变化分数时很有用。

DataFrame.pct_change(
    periods=1, 
    fill_method='pad', 
    limit=None, 
    freq=None, 
    **kwargs
)

参数解释

periods: (int, 默认值 1)
表示计算百分比变化时要偏移的周期数。默认情况下，periods=1 表示计算当前行与上一行之间的百分比变化。如果设置为 2，则计算当前行与前两行之间的百分比变化。
fill_method: (str, 默认值 'pad')
指定在计算百分比变化之前如何处理缺失值。默认使用 'pad' 方法，即前向填充缺失数据。其他可选方法包括 'backfill'、'ffill' 和 'bfill'。自2.1版本起已弃用：fill_method的所有选项均已弃用，但fill_method=None除外，还是支持的。
limit: (int, 可选)
填充缺失值时允许的最大连续缺失值数量。控制填充缺失值的范围。自2.1版本起已弃用。
freq: (DateOffset, timedelta, 或 offset alias string, 可选)
用于指定时间序列数据的频率，比如 'M' 表示月末，'B' 表示工作日。这在处理时间序列数据时非常有用。
****kwargs**:
传递给底层 shift() 方法的其他关键字参数。

返回值

chg:
返回一个与调用对象类型相同的 Series 或 DataFrame，包含计算出的百分比变化。

尽管这种方法的名字是百分比，但它计算的是分数变化（也称为单位变化或相对变化），而不是百分比变化。如果需要百分比变化，请将这些值乘以100。

使用场景

财务分析: 用于分析股票价格或财务指标的变化率，计算时间序列数据的增长或衰减百分比。
经济数据: 用于计算不同时间段内经济指标（如 GDP、通货膨胀率等）的变化。
业务指标: 跟踪销售、利润或其他关键绩效指标（KPI）随时间的变化。

示例

Series

s = pd.Series([90, 91, 85])
s
'''
0    90
1    91
2    85
dtype: int64
'''

s.pct_change()
'''
0         NaN
1    0.011111
2   -0.065934
dtype: float64
'''

s.pct_change(periods=2)
'''
0         NaN
1         NaN
2   -0.055556
dtype: float64
'''

序列中的百分比变化，其中用上一个有效观察值填充NA，并向前填充下一个有效观测值。

s = pd.Series([90, 91, None, 85])
s
'''
0    90.0
1    91.0
2     NaN
3    85.0
dtype: float64
'''

s.ffill().pct_change()
'''
0         NaN
1    0.011111
2    0.000000
3   -0.065934
dtype: float64
'''

DataFrame

1980-01-01年至1980-03-01年法国法郎、德国马克和意大利里拉的百分比变化。

df = pd.DataFrame({
    'FR': [4.0405, 4.0963, 4.3149],
    'GR': [1.7246, 1.7482, 1.8519],
    'IT': [804.74, 810.01, 860.13]},
    index=['1980-01-01', '1980-02-01', '1980-03-01'])
df
'''
                FR      GR      IT
1980-01-01  4.0405  1.7246  804.74
1980-02-01  4.0963  1.7482  810.01
1980-03-01  4.3149  1.8519  860.13
'''

df.pct_change()
'''
                  FR        GR        IT
1980-01-01       NaN       NaN       NaN
1980-02-01  0.013810  0.013684  0.006549
1980-03-01  0.053365  0.059318  0.061876
'''

GOOG和APPL库存量的变化百分比。显示如何计算列之间的百分比变化。

df = pd.DataFrame({
    '2016': [1769950, 30586265],
    '2015': [1500923, 40912316],
    '2014': [1371819, 41403351]},
    index=['GOOG', 'APPL'])
df
'''
          2016      2015      2014
GOOG   1769950   1500923   1371819
APPL  30586265  40912316  41403351
'''

df.pct_change(axis='columns', periods=-1)
'''
          2016      2015  2014
GOOG  0.179241  0.094112   NaN
APPL -0.252395 -0.011860   NaN
'''

总结

pct_change 方法在处理时间序列或连续数据时非常有用，能够有效分析数据的增长趋势和百分比变化。适用于财务分析、经济指标评价以及业务指标监测等场景。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.pct_change.html