Python Pandas 中的 pct_change 方法详解|极客教程

Python Pandas 中的 pct_change 方法详解

在 Python 的数据分析库 Pandas 中，可以通过 pct_change 方法来计算数据的百分比变化。这个方法可以帮助我们分析数据的增长趋势，特别是在金融领域中经常被使用。在本文中，我们将详细介绍 Pandas 中的 pct_change 方法，包括其用法、参数和示例代码。

一、pct_change 方法的基本用法

pct_change 方法用于计算数据的百分比变化，这个方法适用于 Pandas 的 Series 和 DataFrame 对象。其基本语法如下：

Series.pct_change(periods=1, fill_method='pad', limit=None, freq=None)
DataFrame.pct_change(periods=1, axis=0, fill_method='pad', limit=None, freq=None)

periods：计算百分比变化的周期数，默认为1。
fill_method：用于填充缺失值的方法，默认为'pad'（使用前一个非缺失值填充）。
limit：填充缺失值的最大数量。
freq：用于计算时序数据的频率。

二、pct_change 方法的示例

1. 对 Pandas Series 使用 pct_change 方法

首先，我们创建一个简单的 Pandas Series 对象，然后使用 pct_change 方法计算其百分比变化。

import pandas as pd

data = {"A": [10, 15, 20, 25, 30]}
df = pd.DataFrame(data)

# 计算百分比变化
pct_change = df["A"].pct_change()
print(pct_change)

运行上述代码，我们会得到如下输出：

0         NaN
1    0.500000
2    0.333333
3    0.250000
4    0.200000
Name: A, dtype: float64

2. 对 Pandas DataFrame 使用 pct_change 方法

除了对 Series 对象使用 pct_change 方法，我们也可以对整个 DataFrame 使用该方法。在下面的示例中，我们创建一个包含多列数据的 DataFrame，并计算每列的百分比变化。

data = {
    "A": [10, 15, 20, 25, 30],
    "B": [100, 200, 300, 400, 500]
}
df = pd.DataFrame(data)

# 计算百分比变化
pct_change = df.pct_change()
print(pct_change)

运行上述代码，我们会得到如下输出：

     A    B
0  NaN  NaN
1  0.5  1.0
2  0.333333  0.5
3  0.25  0.333333
4  0.2  0.25

三、pct_change 方法的高级参数

1. periods 参数

periods 参数用于指定计算百分比变化的周期数，默认为1。我们可以通过改变这个参数来计算不同周期内的变化。

# 改变 periods 参数
pct_change = df["A"].pct_change(periods=2)
print(pct_change)

2. fill_method 参数

fill_method 参数用于指定填充缺失值的方法，默认为'pad'（使用前一个非缺失值填充）。我们可以通过改变这个参数来使用不同的填充方法。

data = {"A": [10, None, 20, 30, 40]}
df = pd.DataFrame(data)

# 改变 fill_method 参数
pct_change = df["A"].pct_change(fill_method='ffill')
print(pct_change)

3. freq 参数

freq 参数用于指定用于计算时序数据的频率。当我们处理时序数据时，可以指定这个参数来实现更精确的百分比变化计算。

# 使用 freq 参数计算月度百分比变化
dates = pd.date_range('2022-01-01', periods=5, freq='M')
data = {"A": [10, 15, 20, 25, 30]}
df = pd.DataFrame(data, index=dates)

pct_change = df["A"].pct_change(freq='M')
print(pct_change)