Python Pandas DataFrame pct_change方法用法及代码示例

例子

基本用法

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[2,4,12], "B":[1,3,15]})
df



   A   B
0  2   1
1  4   3
2  12  15

要计算 df 中每列的连续值的百分比变化：

df.pct_change()



   A    B
0  NaN  NaN
1  1.0  2.0
2  2.0  4.0

在此，请注意以下事项：

• 第一行始终是NaN，因为没有用于计算百分比变化的先前值。

• 为了解释如何计算这些百分比变化，请以右下角的值 ( 4.0 ) 为例。该值的计算方法是取 df 中先前值 ( 15-3=12 ) 之间的差值，然后将该差值除以先前值 ( 12/3=4.0 )。

指定期间

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[2,4,12], "B":[1,3,15]})
df



   A   B
0  2   1
1  4   3
2  12  15

默认情况下， periods=1 ，这意味着前一行用于计算百分比变化：

df.pct_change()   # periods=1



   A    B
0  NaN  NaN
1  1.0  2.0
2  2.0  4.0

要使用前 2 行中的值计算百分比变化：

df.pct_change(periods=2)



   A    B
0  NaN  NaN
1  NaN  NaN
2  5.0  14.0

我们得到第二行的NaN，因为没有可以比较的行。

指定fill_method

考虑以下带有一些缺失值的DataFrame：

df = pd.DataFrame({"A":[2,pd.np.nan,12], "B":[1,3,pd.np.nan]})
df



   A     B
0  2.0   1.0
1  NaN   3.0
2  12.0  NaN

软填充

默认，fill_method="pad"，这意味着以前的非NaNvalue 用于填充NaN：

df.pct_change()   # fill_method="pad"



   A    B
0  NaN  NaN
1  0.0  2.0
2  5.0  0.0

请注意，这相当于在以下内容上调用pct_change()：

pd.DataFrame({"A":[2,2,12], "B":[1,3,3]})



   A   B
0  2   1
1  2   3
2  12  3

填充

填写NaN使用下一个非NaN DataFrame 中的值：

df.pct_change(fill_method="bfill")



   A    B
0  NaN  NaN
1  5.0  2.0
2  0.0  NaN

请注意，这相当于在以下内容上调用pct_change()：

pd.DataFrame({"A":[2,12,12], "B":[1,3,pd.np.NaN]})



   A   B
0  2   1
1  12  3
2  12  NaN

请注意右下角的 NaN 仍然是 NaN - 这是因为下一行中不存在非 NaN(没有下一行)。

指定频率

考虑以下时间序列 DataFrame：

idx = pd.date_range(start="2020-12-20", periods=4)
df = pd.DataFrame({"A":[2,4,12,24], "B":[1,3,15,30]}, index=idx)
df



            A  B
2020-12-20  2  1
2020-12-21  4  3
2020-12-22  12  15
2020-12-23  24  30

计算每 2 天的百分比变化(例如 12-20 和 12-22 )：

df.pct_change(freq="2D")



            A    B
2020-12-20  NaN  NaN
2020-12-21  NaN  NaN
2020-12-22  5.0  14.0
2020-12-23  5.0  9.0

在这里，我们获得前 2 行的 NaN 值，因为没有用于计算百分比变化的日期 12-18 和 12-19。