Pandas pct_change 但循环回到开始

Question

我正在研究如何使用 pandas pct_change() 函数，但我需要值“环绕”，因此最后一个和第一个值在位置 0 而不是 NaN 处创建百分比变化值。

例如：

df = pd.DataFrame({'Month':[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
                   'Value':[1, 0.9, 0.8, 0.75, 0.75, 0.8, 0.7, 0.65, 0.7, 0.8, 0.85, 0.9]})

    Month  Value
0       1   1.00
1       2   0.90
2       3   0.80
3       4   0.75
4       5   0.75
5       6   0.80
6       7   0.70
7       8   0.65
8       9   0.70
9      10   0.80
10     11   0.85
11     12   0.90

使用 pct_change() + 1 给出：

df['percent change'] = df['Value'].pct_change() + 1
    Month  Value  percent change
0       1   1.00             NaN
1       2   0.90        0.900000
2       3   0.80        0.888889
3       4   0.75        0.937500
4       5   0.75        1.000000
5       6   0.80        1.066667
6       7   0.70        0.875000
7       8   0.65        0.928571
8       9   0.70        1.076923
9      10   0.80        1.142857
10     11   0.85        1.062500
11     12   0.90        1.058824

但是我还需要知道 12 月（moth=12）和 1 月（month=1）之间的百分比变化，因此 NaN 应该是 1.111111。 我希望最终能够对一个组中的多个组执行此操作，因此，用一个值而不是另一个值填充 Nan ，或者手动计算所有百分比似乎是一种冗长的方法。 有没有更简单的方法来实现这一目标？

Answer 1

要在 Pandas 中使用

pct_change()

实现所需的“环绕”行为，您可以通过临时移动值来修改 DataFrame，然后用最后一个值和第一个值之间的百分比变化填充第一个位置中的

NaN

.

这是代码。

import pandas as pd

df = pd.DataFrame({
    'Month': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
    'Value': [1, 0.9, 0.8, 0.75, 0.75, 0.8, 0.7, 0.65, 0.7, 0.8, 0.85, 0.9]
})

df['percent change'] = df['Value'].pct_change() + 1

# Manually fill the first NaN with the change from the last to the first value
df.at[0, 'percent change'] = (df['Value'].iloc[0] / df['Value'].iloc[-1])

print(df)

这也可以应用于

groupby()

。

import pandas as pd

df = pd.DataFrame({
    'Group': ['A'] * 12 + ['B'] * 12,
    'Month': list(range(1, 13)) * 2,
    'Value': [1, 0.9, 0.8, 0.75, 0.75, 0.8, 0.7, 0.65, 0.7, 0.8, 0.85, 0.9,
              2, 1.8, 1.7, 1.65, 1.65, 1.7, 1.5, 1.4, 1.5, 1.6, 1.65, 1.7]
})

def calculate_pct_change(group_df):
    group_df['percent_change'] = group_df['Value'].pct_change() + 1
    group_df.at[group_df.index[0], 'percent_change'] = (group_df['Value'].iloc[0] / group_df['Value'].iloc[-1])

    return group_df

df_grouped = df.groupby('Group').apply(calculate_pct_change).reset_index(drop=True)

print(df_grouped)

希望这对你有一点帮助。