Hướng dẫn how do you calculate percent change in a dataframe in python? - làm thế nào để bạn tính phần trăm thay đổi trong một khung dữ liệu trong python?
Tỷ lệ thay đổi giữa các yếu tố hiện tại và một yếu tố trước. Tính toán tỷ lệ phần trăm thay đổi từ hàng trước ngay lập tức theo mặc định. Điều này rất hữu ích trong việc so sánh tỷ lệ phần trăm thay đổi trong một chuỗi thời gian của các yếu tố. Thời gian thay đổi để hình thành phần trăm thay đổi. Cách xử lý NAS trước khi tính toán phần trăm thay đổi.before computing percent changes. Số lượng NAS liên tiếp để điền trước khi dừng lại. Tăng để sử dụng từ API chuỗi thời gian (ví dụ: M, hoặc bday ()). Các đối số từ khóa bổ sung được chuyển vào dataFrame.shift hoặc series.shift. ReturnSchgseries hoặc dataFramechgSeries or DataFrameCùng loại với đối tượng gọi. Ví dụ Loạt >>> s = pd.Series([90, 91, 85]) >>> s 0 90 1 91 2 85 dtype: int64 >>> s.pct_change() 0 NaN 1 0.011111 2 -0.065934 dtype: float64 >>> s.pct_change(periods=2) 0 NaN 1 NaN 2 -0.055556 dtype: float64 Xem phần trăm thay đổi trong một chuỗi trong đó việc điền NAS với quan sát hợp lệ cuối cùng chuyển tiếp đến hợp lệ tiếp theo. >>> s = pd.Series([90, 91, None, 85]) >>> s 0 90.0 1 91.0 2 NaN 3 85.0 dtype: float64 >>> s.pct_change(fill_method='ffill') 0 NaN 1 0.011111 2 0.000000 3 -0.065934 dtype: float64 Khung dữ liệu Thay đổi tỷ lệ phần trăm trong Franc Pháp, Deutsche Mark và Lira Ý từ 1980-01-01 đến 1980-03-01. >>> df = pd.DataFrame({ ... 'FR': [4.0405, 4.0963, 4.3149], ... 'GR': [1.7246, 1.7482, 1.8519], ... 'IT': [804.74, 810.01, 860.13]}, ... index=['1980-01-01', '1980-02-01', '1980-03-01']) >>> df FR GR IT 1980-01-01 4.0405 1.7246 804.74 1980-02-01 4.0963 1.7482 810.01 1980-03-01 4.3149 1.8519 860.13 >>> df.pct_change() FR GR IT 1980-01-01 NaN NaN NaN 1980-02-01 0.013810 0.013684 0.006549 1980-03-01 0.053365 0.059318 0.061876 Tỷ lệ thay đổi trong khối lượng cổ phiếu Goog và Appl. Hiển thị tính toán phần trăm thay đổi giữa các cột. >>> df = pd.DataFrame({ ... '2016': [1769950, 30586265], ... '2015': [1500923, 40912316], ... '2014': [1371819, 41403351]}, ... index=['GOOG', 'APPL']) >>> df 2016 2015 2014 GOOG 1769950 1500923 1371819 APPL 30586265 40912316 41403351 >>> df.pct_change(axis='columns', periods=-1) 2016 2015 2014 GOOG 0.179241 0.094112 NaN APPL -0.252395 -0.011860 NaN |