計算 Pandas 的百分比變化

1. 使用 pct_change() 計算 Pandas 的百分比變化
2. 在計算 Pandas 的百分比變化之前填充缺失值
3. 計算 Pandas 中 Multi-Index DataFrame 的百分比變化

pct_change() 是 Pandas 中的一個函式，預設情況下計算前一行元素之間的百分比變化。在時間序列資料的情況下，這個函式被頻繁使用。

此函式的輸出是一個 DataFrame，其中包含上一行的百分比變化值。當我們呼叫這個函式時，我們可以指定其他行作為引數進行比較。

它適用於以下公式。

$$
Pct \space Change = {(Current-Previous) \over Previous}*100
$$

使用 pct_change() 計算 Pandas 的百分比變化

此方法接受四個可選引數，如下所示。

1. periods - 具有預設值 1。它指定要移動的期間以計算百分比變化。
2. fill_method - 指定在計算百分比變化之前如何處理 NA。
3. limit - 指定在停止之前要填充的連續 NA 的數量。
4. freq - 從時間序列 API 中使用的增量（例如 'M' 或 BDay()）。

以下是計算兩行之間百分比變化的簡單程式碼。我們將使用 DataFrame 物件呼叫 pct_change() 方法，而不傳遞任何引數。

#Python 3.x
import pandas as pd
df = pd.DataFrame([[2, 4, 6], [1, 2, 3], [5, 7, 9]])
print(df.pct_change())

輸出：

在計算 Pandas 的百分比變化之前填充缺失值

例如，我們在 DataFrame 中有 missing 或 None 值。在計算百分比變化時，缺失的資料將由上一行中的相應值填充。

這裡，ffill 表示前向填充。

#Python 3.x
import pandas as pd
df = pd.DataFrame([[2, 4, 6], [1, None, 3], [None, 7, 9]])
print(df.pct_change(fill_method ='ffill'))

計算 Pandas 中 Multi-Index DataFrame 的百分比變化

我們還可以計算多索引 DataFrame 的百分比變化。我們可以使用 groupby() 方法根據某些標準將資料分成組，然後應用 pct_change()。

#Python 3.x
df = pd.DataFrame(
index = pd.MultiIndex.from_product([['Jhon', 'Alia'],
                                    ['CS'],
                                    ['Python', 'Java', 'Dart'],
                                    ['Mid Term', 'Final Term']],
                                    names=['Student', 'Department', 'Course', 'Exam']),
data={'Marks':[50, 40,   30,  60,   40,
               40, 30, 70,   40,  50,
               20,   30]})
print(df)
print(df.groupby(level=[1,2,3]).pct_change())

輸出：