Pandas计算同比环比指标的3种方法

演示步骤：

• 读取连续3年的天气数据
• 方法1：Pandas.Series.pct.change
• 方法2：Pandas.Series.shift
• 方法3：Pandas.Series.dif
  pct_change、shift、diff，都实现了跨越多行的数据计算

# 读取连续3年的天气数据
import pandas as pd
%matplotlib inline
df = pd.read_csv('./beijing_tianqi_2017-2019.csv',index_col='ymd',parse_dates=True) 
# df.info()

df.head()

# 数据处理

df['bWendu'] = df['bWendu'].str.replace("℃",'').astype('int32')

df['yWendu'] = df['yWendu'].str.replace("℃",'').astype('int32')

# 新的df，为每个月的平均气温
df = df[['bWendu']].resample('M').mean()

# 将索引按照日期升序排列
df.sort_index(ascending=True,inplace=True)

df.head()

# 去除索引为 '2017-04-30'的数据，不连续月份
# df = df[~(df.index == '2017-04-30')]

df.index

df.plot()

# 方法1：pandas.Series.pct_change

'''pct_change方法直接算好了“(新-旧)/旧”的百分比'''

df['bWendu_way1_huanbi'] = df['bWendu'].pct_change(periods =1)
df['bWendu_way1_tongbi'] = df['bWendu'].pct_change(periods =12)

df.head(15)

# 方法2：pandas.Series.shift

'''shift用于移动数据，但是保持索引不变'''

pd.concat(
    [df['bWendu'],
     df['bWendu'].shift(periods = 1),
     df['bWendu'].shift(periods = 12)],       
    axis = 1    
).head(15)

# 环比
series_shifts1 = df['bWendu'].shift(periods=1)
df['bWendu_way2_huanbi'] = (df['bWendu'] - series_shifts1)/series_shifts1

# 同比
series_shifts2 = df['bWendu'].shift(periods=12)
df['bWendu_way2_tongbi'] = (df['bWendu'] - series_shifts2)/series_shifts2

df.head(15)

# 方法3：pandas.Series.diff

'''pandas.Series.diff 用于新值减去旧值'''

pd.concat(
    [df['bWendu'],
     df['bWendu'].diff(periods = 1),
     df['bWendu'].diff(periods = 12)],       
    axis = 1    
).head(15)

# 环比
series_diff1 = df['bWendu'].diff(periods=1)
df['bWendu_way3_huanbi'] = series_diff1/(df['bWendu'] - series_diff1 )

# 同比
series_diff2 = df['bWendu'].diff(periods=12)
df['bWendu_way3_tongbi'] = series_diff2/(df['bWendu'] - series_diff2 )

df.head(15)

原始数据前5行：