Python 根据Dataframe的对应列求差值和变化率_python dateframe yesterday-CSDN博客

本文链接：https://blog.csdn.net/sinat_26811377/article/details/102559151

该博客介绍如何使用Python的Pandas库，基于两个DataFrame的数据，计算某一列的差值和变化率。当昨天的数据不存在时，变化率默认设置为1。博主提供了具体的实现代码来达到这个功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

输入1（今天）DataFrame格式：

  code date_time
0   10      1100
1   20      2200
2   30      3300
3   40      4400

输入2（昨天）DataFrame格式：

  code date_time
0   10      1000
1   20      2500
2   50      5000

实现功能：

根据某一列关键词，计算今天表中某一列的变化率。公式为（今天频次-昨天频次）/昨天频次。

如果昨天未出现，分母为0，则变化率置为1。

期望输出，DataFrame格式：

  code  date_time_x  date_time_y   变化率
0   10         1100         1000  0.10
1   20         2200         2500 -0.12
2   30         3300            0  1.00
3   40         4400            0  1.00

Python实现代码：

import numpy as np
import pandas as pd

# 生成数据
dt1 = {'code': ['10', '20', '30', '40'], 'date_time': ['1100', '2200', '3300', '4400'], }
dataframe_today = pd.DataFrame(dt1)
print(dataframe_today)

dt2 = {'code': ['10', '20', '50'], 'date_time': ['1000', '2500', '5000']}
dataframe_yesterday = pd.DataFrame(dt2)
print(dataframe_yesterday)

# 变化率计算
data_merge = pd.merge(dataframe_today, dataframe_yesterday, on='code', how='left')
data_merge.fillna(0, inplace=True)
data_merge[['date_time_x', 'date_time_y']] = data_merge[['date_time_x', 'date_time_y']].astype('int')
data_merge['变化率'] = (data_merge['date_time_x'] - data_merge['date_time_y']) / data_merge['date_time_y']
pd.Series(data_merge['变化率'])[np.isinf(data_merge['变化率'])] = 1
# data_merge = data_merge.sort_values(by='变化率', ascending=False) # 这一列可以根据变化率降序排列
print(data_merge)