Pandas DataFrame Pct_change 方法

介绍

Pandas DataFrame 中的 pct_change() 方法用于计算 DataFrame 中当前元素与前一个元素之间的百分比变化。它在分析数据和计算销售额、月度或年度差异时非常有用。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果在学习过程中遇到问题，随时向 Labby 提问。课程结束后请提供反馈，我们将及时为你解决问题。

Skills Graph

计算 Pandas DataFrame 中的百分比变化

要计算 Pandas DataFrame 中的百分比变化，请按照以下步骤操作：

1. 导入 pandas 库。

import pandas as pd

2. 创建一个带有时间序列索引和所需数据的 DataFrame。

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)

3. 打印原始 DataFrame。

print("----------数据集为----------")
print(df)

4. 使用 pct_change() 方法计算 DataFrame 中的百分比变化。

print("-------数据集中的百分比变化-------")
print(df.pct_change())

沿列轴计算百分比变化

要沿列轴计算百分比变化，请按以下步骤修改代码：

1. 导入 pandas 库。

import pandas as pd

2. 创建一个带有时间序列索引和所需数据的 DataFrame。

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)

3. 打印原始 DataFrame。

print("----------数据集为----------")
print(df)

4. 使用 pct_change() 方法并设置 axis=1 以沿列轴计算百分比变化。

print("-------数据集中的百分比变化-------")
print(df.pct_change(axis=1))

计算指定周期的百分比变化

要计算指定周期的百分比变化，请按以下步骤修改代码：

1. 导入 pandas 库。

import pandas as pd

2. 创建一个带有时间序列索引和所需数据的 DataFrame。

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)

3. 打印原始 DataFrame。

print("----------数据集为----------")
print(df)

4. 使用 pct_change() 方法并设置 periods=2 以计算指定周期的百分比变化。

print("-------数据集中的百分比变化-------")
print(df.pct_change(periods=2))

在计算前处理缺失值

要在计算百分比变化前处理缺失值，请按以下步骤修改代码：

1. 导入 pandas 库。

import pandas as pd

2. 创建一个带有时间序列索引和所需数据的 DataFrame。

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)

3. 打印原始 DataFrame。

print("----------数据集为----------")
print(df)

4. 使用 pct_change() 方法并设置 fill_method='ffill' 以在计算前处理缺失值。

print("-------数据集中的百分比变化-------")
print(df.pct_change(fill_method='ffill'))

总结

Pandas DataFrame 中的 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。它可以用于分析数据并计算差异，同时提供了处理缺失值和指定计算周期的参数。通过遵循本教程中的步骤，你可以在数据分析任务中有效地使用 pct_change() 方法。