基于Python实现需求规划场景下的需求变异系数计算

没有直接的“一键函数”能完全匹配你的需求，但用Pandas可以高效实现百万行数据集的分组补全与CV计算——这是处理结构化大数据最常用的方案，比纯Numpy更适合分组场景。

核心逻辑 #

针对每个商品：

1. 补全12个月份的需求数据，缺失月份的需求填0
2. 计算补全后12个数据点的均值与标准差
3. 用「标准差/均值」得到需求变异系数（CV），同时处理均值为0的边界情况

代码实现 #

假设你的数据集包含product_id（商品ID）、month（月份，1-12）、demand（月度需求）三列：

import pandas as pd
import numpy as np

# ----------------------
# 1. 模拟百万级输入数据（替换成你的实际数据）
# ----------------------
np.random.seed(42)
product_ids = np.repeat(range(100000), np.random.randint(1, 13, size=100000))
months = []
for pid in range(100000):
    n_months = np.random.randint(1,13)
    months.extend(np.random.choice(range(1,13), size=n_months, replace=False))
demand = np.random.randint(0, 100, size=len(product_ids))
df = pd.DataFrame({
    'product_id': product_ids,
    'month': months,
    'demand': demand
})

# ----------------------
# 2. 定义CV计算函数（含补0逻辑）
# ----------------------
def calculate_demand_cv(group):
    # 补全1-12月，缺失月份的demand填充为0
    full_demand = group.set_index('month').reindex(range(1,13), fill_value=0)['demand']
    
    mean = full_demand.mean()
    # 避免除以0：如果所有月份需求都是0，CV设为0（或根据业务需求改为NaN）
    if mean == 0:
        return 0
    
    # 注意：ddof=0表示总体标准差，ddof=1表示样本标准差，按需选择
    std = full_demand.std(ddof=0)
    return std / mean

# ----------------------
# 3. 分组计算所有商品的CV
# ----------------------
product_cv_results = df.groupby('product_id').apply(calculate_demand_cv).reset_index(name='demand_cv')

关键细节说明 #

• 性能优化：Pandas的groupby.apply针对百万级数据做了内部优化，速度远快于手动循环；如果数据量超千万行，可改用dask.dataframe实现并行计算。
• 标准差自由度：如果12个月是全年完整数据（总体），用ddof=0；如果是抽样数据，用ddof=1，需根据你的统计口径调整。
• 边界处理：当商品所有月份需求都是0时，直接返回0（或NaN），避免除以0报错。

内容的提问来源于stack exchange，提问作者JB_rox