Python Pandas dataframe.pct_change()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.pct_change()函數計算當前元素與先前元素之間的百分比變化。默認情況下，此函數計算前一行的百分比變化。

注意：此函數在時間序列數據中最有用。

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

參數：
periods:形成百分比變化所需的時間。
fill_method:在計算百分比變化之前如何處理資產淨值。
limit:停止前要填充的連續NA數
freq:時間序列API中使用的增量(例如“ M”或BDay())。
**kwargs:其他關鍵字參數將傳遞到DataFrame.shift或Series.shift中。

返回：與調用對象的類型相同。

範例1：采用pct_change()函數以查找時間序列數據中的百分比變化。

# importing pandas as pd 
import pandas as pd 
  
# Creating the time-series index 
ind = pd.date_range('01/01/2000', periods = 6, freq ='W') 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[14, 4, 5, 4, 1, 55], 
                   "B":[5, 2, 54, 3, 2, 32],  
                   "C":[20, 20, 7, 21, 8, 5], 
                   "D":[14, 3, 6, 2, 6, 4]}, index = ind) 
  
# Print the dataframe 
df

讓我們使用dataframe.pct_change()函數以查找數據中的百分比變化。

# find the percentage change with the previous row 
df.pct_change()

輸出：

第一行包含NaN值，因為沒有上一行可以從中計算更改。

範例2：采用pct_change()函數來查找還具有NaN值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the time-series index 
ind = pd.date_range('01/01/2000', periods = 6, freq ='W') 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[14, 4, 5, 4, 1, 55], 
                   "B":[5, 2, None, 3, 2, 32],  
                   "C":[20, 20, 7, 21, 8, None], 
                   "D":[14, None, 6, 2, 6, 4]}, index = ind) 
  
# apply the pct_change() method 
# we use the forward fill method to 
# fill the missing values in the dataframe 
df.pct_change(fill_method ='ffill')

輸出：

第一行包含NaN值，因為沒有上一行可以從中計算更改。所有NaN DataFrame 中的值已使用填充ffill方法。

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.pct_change()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。