如何在Pandas中计算含部分数据的月度YoY同比变化？

核心思路 #

放弃直接用月度重采样总和做同比的方式，转而基于日度数据匹配时间长度完全一致的周期：当前不完整月份已统计N天，就取去年同期同一月份的前N天数据做对比，确保两个统计窗口的时间范围对等，避免失真。

具体实现步骤 #

假设你的日度数据DataFrame为df，日期列是date，目标统计列是customer_count：

1. 锁定当前不完整月份的时间范围

   # 获取最新一条数据的日期
   latest_date = df['date'].max()
   # 确定当前不完整月份的第一天
   current_month_start = latest_date.replace(day=1)
   # 计算当前月份已统计的天数
   days_in_current = (latest_date - current_month_start).days + 1
   

2. 匹配去年同期的对应时间范围

   # 去年同期月份的第一天
   last_year_month_start = current_month_start.replace(year=current_month_start.year - 1)
   # 去年同期对应结束日期（和今年统计天数一致）
   last_year_end = last_year_month_start + pd.Timedelta(days=days_in_current - 1)
   

3. 计算两个周期的累计值

   # 今年部分月份的累计客户数
   current_total = df[(df['date'] >= current_month_start) & (df['date'] <= latest_date)]['customer_count'].sum()
   # 去年同期对应天数的累计客户数
   last_year_total = df[(df['date'] >= last_year_month_start) & (df['date'] <= last_year_end)]['customer_count'].sum()
   

4. 计算同比变化率

   # 处理除数为0的边界情况
   if last_year_total != 0:
       yoy_change = (current_total - last_year_total) / last_year_total * 100
   else:
       yoy_change = None  # 可根据业务需求替换为0或其他默认值
   print(f"当前部分月度客户数同比变化: {yoy_change:.1f}%")
   

批量处理所有月份（含完整/部分） #

如果要对所有月份统一计算，自动区分完整月份和最后一个不完整月份，可以用分组+自定义函数实现：

def calculate_yoy(group):
    group_max_date = group['date'].max()
    group_month_start = group_max_date.replace(day=1)
    # 判断是否为完整月份
    is_full_month = (group_month_start + pd.offsets.MonthEnd(0)) == group_max_date
    
    if is_full_month:
        # 完整月份用常规月度同比
        last_year_group = df[(df['date'].dt.year == group_month_start.year - 1) & 
                             (df['date'].dt.month == group_month_start.month)]
        last_year_total = last_year_group['customer_count'].sum()
    else:
        # 部分月份取同期对应天数
        days_in_current = (group_max_date - group_month_start).days + 1
        last_year_month_start = group_month_start.replace(year=group_month_start.year - 1)
        last_year_end = last_year_month_start + pd.Timedelta(days=days_in_current - 1)
        last_year_group = df[(df['date'] >= last_year_month_start) & (df['date'] <= last_year_end)]
        last_year_total = last_year_group['customer_count'].sum()
    
    current_total = group['customer_count'].sum()
    return (current_total - last_year_total) / last_year_total * 100 if last_year_total != 0 else None

# 按月份分组计算同比
df['month'] = df['date'].dt.to_period('M')
yoy_results = df.groupby('month').apply(calculate_yoy).rename('yoy_change')

关键说明 #

• 核心是确保对比窗口的时间长度完全一致，从根源上解决部分月份和完整月份直接对比的失真问题。
• 若业务需要统计均值而非总和，只需将代码中的sum()替换为mean()即可。

内容的提问来源于stack exchange，提问作者Giacomo