Метод pct_change() в DataFrame библиотеки Pandas

PandasPandasBeginner
Практиковаться сейчас

💡 Этот учебник переведен с английского с помощью ИИ. Чтобы просмотреть оригинал, вы можете перейти на английский оригинал

Введение

Метод pct_change() в DataFrame библиотеки Pandas вычисляет процентное изменение между текущим и предыдущим элементом в DataFrame. Это полезно для анализа данных и расчета различий в продажах с месяцем на месяц или с годом на год.

Советы по виртуальной машине (VM)

После запуска виртуальной машины нажмите в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.

Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook загрузится. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.

Если у вас возникнут проблемы во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.


Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL pandas(("Pandas")) -.-> pandas/DataAnalysisGroup(["Data Analysis"]) pandas(("Pandas")) -.-> pandas/AdvancedOperationsGroup(["Advanced Operations"]) python(("Python")) -.-> python/PythonStandardLibraryGroup(["Python Standard Library"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) pandas(("Pandas")) -.-> pandas/DataCleaningGroup(["Data Cleaning"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) pandas/DataCleaningGroup -.-> pandas/handle_missing_values("Handling Missing Values") python/ModulesandPackagesGroup -.-> python/importing_modules("Importing Modules") python/ModulesandPackagesGroup -.-> python/using_packages("Using Packages") pandas/DataAnalysisGroup -.-> pandas/basic_statistics("Basic Statistics") pandas/AdvancedOperationsGroup -.-> pandas/time_series_analysis("Time Series Analysis") pandas/AdvancedOperationsGroup -.-> pandas/reshape_data("Reshaping Data") python/PythonStandardLibraryGroup -.-> python/data_collections("Data Collections") python/DataScienceandMachineLearningGroup -.-> python/data_analysis("Data Analysis") subgraph Lab Skills pandas/handle_missing_values -.-> lab-68688{{"Метод pct_change() в DataFrame библиотеки Pandas"}} python/importing_modules -.-> lab-68688{{"Метод pct_change() в DataFrame библиотеки Pandas"}} python/using_packages -.-> lab-68688{{"Метод pct_change() в DataFrame библиотеки Pandas"}} pandas/basic_statistics -.-> lab-68688{{"Метод pct_change() в DataFrame библиотеки Pandas"}} pandas/time_series_analysis -.-> lab-68688{{"Метод pct_change() в DataFrame библиотеки Pandas"}} pandas/reshape_data -.-> lab-68688{{"Метод pct_change() в DataFrame библиотеки Pandas"}} python/data_collections -.-> lab-68688{{"Метод pct_change() в DataFrame библиотеки Pandas"}} python/data_analysis -.-> lab-68688{{"Метод pct_change() в DataFrame библиотеки Pandas"}} end

Вычисление процентного изменения в DataFrame библиотеки Pandas

Для вычисления процентного изменения в DataFrame библиотеки Pandas следуйте этим шагам:

  1. Импортируйте библиотеку pandas.
import pandas as pd
  1. Создайте DataFrame с индексом временного ряда и нужными данными.
Values = pd.date_range('2021-01-01', periods=3, freq='5W')
df = pd.DataFrame({'coffee': [755.2, 751.23, 852.21], 'Tea': [700.21, 695.21, 726.21], 'Pepper': [900.14, 8254.1, 455.27]}, index=Values)
  1. Выведите исходный DataFrame.
print("----------The dataset is----------")
print(df)
  1. Используйте метод pct_change() для вычисления процентного изменения в DataFrame.
print("-------percentage change in the dataset-------")
print(df.pct_change())

Вычисление процентного изменения по столбцам

Для вычисления процентного изменения по столбцам измените код на шаге 1 следующим образом:

  1. Импортируйте библиотеку pandas.
import pandas as pd
  1. Создайте DataFrame с индексом временного ряда и нужными данными.
Values = pd.date_range('2021-01-01', periods=3, freq='5W')
df = pd.DataFrame({'coffee': [755.2, 751.23, 852.21], 'Tea': [700.21, 695.21, 726.21], 'Pepper': [900.14, 8254.1, 455.27]}, index=Values)
  1. Выведите исходный DataFrame.
print("----------The dataset is----------")
print(df)
  1. Используйте метод pct_change() с параметром axis=1 для вычисления процентного изменения по столбцам.
print("-------percentage change in the dataset-------")
print(df.pct_change(axis=1))

Вычисление процентного изменения с заданным периодом

Для вычисления процентного изменения с заданным периодом измените код на шаге 1 следующим образом:

  1. Импортируйте библиотеку pandas.
import pandas as pd
  1. Создайте DataFrame с индексом временного ряда и нужными данными.
Values = pd.date_range('2021-01-01', periods=3, freq='5W')
df = pd.DataFrame({'coffee': [755.2, 751.23, 852.21], 'Tea': [700.21, 695.21, 726.21], 'Pepper': [900.14, 8254.1, 455.27]}, index=Values)
  1. Выведите исходный DataFrame.
print("----------The dataset is----------")
print(df)
  1. Используйте метод pct_change() с параметром periods=2 для вычисления процентного изменения с заданным периодом.
print("-------percentage change in the dataset-------")
print(df.pct_change(periods=2))

Обработка пропущенных значений перед вычислением

Для обработки пропущенных значений перед вычислением процентного изменения измените код на шаге 1 следующим образом:

  1. Импортируйте библиотеку pandas.
import pandas as pd
  1. Создайте DataFrame с индексом временного ряда и нужными данными.
Values = pd.date_range('2021-01-01', periods=3, freq='5W')
df = pd.DataFrame({'coffee': [755.2, 751.23, 852.21], 'Tea': [700.21, 695.21, 726.21], 'Pepper': [900.14, 8254.1, 455.27]}, index=Values)
  1. Выведите исходный DataFrame.
print("----------The dataset is----------")
print(df)
  1. Используйте метод pct_change() с параметром fill_method='ffill' для обработки пропущенных значений перед вычислением.
print("-------percentage change in the dataset-------")
print(df.pct_change(fill_method='ffill'))

Резюме

Метод pct_change() в DataFrame библиотеки Pandas вычисляет процентное изменение между текущим и предыдущим элементом. Он может быть использован для анализа данных и вычисления различий, а также имеет параметры для обработки пропущенных значений и задания периода для вычислений. Следуя шагам этого руководства, вы сможете эффективно использовать метод pct_change() в своих задачах по анализу данных.