计算 Pandas 的百分比变化

1. 使用 pct_change() 计算 Pandas 的百分比变化
2. 在计算 Pandas 的百分比变化之前填充缺失值
3. 计算 Pandas 中 Multi-Index DataFrame 的百分比变化

pct_change() 是 Pandas 中的一个函数，默认情况下计算前一行元素之间的百分比变化。在时间序列数据的情况下，这个函数被频繁使用。

此函数的输出是一个 DataFrame，其中包含上一行的百分比变化值。当我们调用这个函数时，我们可以指定其他行作为参数进行比较。

它适用于以下公式。

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

使用 pct_change() 计算 Pandas 的百分比变化

此方法接受四个可选参数，如下所示。

1. periods - 具有默认值 1。它指定要移动的期间以计算百分比变化。
2. fill_method - 指定在计算百分比变化之前如何处理 NA。
3. limit - 指定在停止之前要填充的连续 NA 的数量。
4. freq - 从时间序列 API 中使用的增量（例如 'M' 或 BDay()）。

以下是计算两行之间百分比变化的简单代码。我们将使用 DataFrame 对象调用 pct_change() 方法，而不传递任何参数。

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

输出：

在计算 Pandas 的百分比变化之前填充缺失值

例如，我们在 DataFrame 中有 missing 或 None 值。在计算百分比变化时，缺失的数据将由上一行中的相应值填充。

这里，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'))

计算 Pandas 中 Multi-Index DataFrame 的百分比变化

我们还可以计算多索引 DataFrame 的百分比变化。我们可以使用 groupby() 方法根据某些标准将数据分成组，然后应用 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())

输出：