Python处理Excel数据：欧元区面板分析变量基期指数化及增长率计算

以下是针对1995-2022年欧元区国家面板数据，以2005年为基期编制指数、计算增长率的完整Python实现步骤：

1. 导入必要库 #

import pandas as pd

2. 读取Excel数据集 #

假设你的Excel文件包含国家、年份、HCPI、最终总需求、实际GDP列（列名不同的话替换为实际名称即可）：

# 读取数据
df = pd.read_excel('欧元区面板数据.xlsx')

# 快速检查数据结构和类型
print(df.head())
print(df.dtypes)

3. 数据预处理 #

确保年份为整数类型，数值变量为浮点型，并处理缺失值：

# 转换年份列类型
df['年份'] = df['年份'].astype(int)

# 转换数值列为浮点型
numeric_cols = ['HCPI', '最终总需求', '实际GDP']
df[numeric_cols] = df[numeric_cols].astype(float)

# 检查缺失值并处理（按需选择删除或填充）
print("缺失值统计：\n", df.isnull().sum())
# 示例：删除含缺失值的行
df.dropna(inplace=True)
# 或向前填充缺失值：df.fillna(method='ffill', inplace=True)

4. 编制2005年基期指数 #

按国家分组，以2005年的变量值为基准计算指数（指数=当期值/基期值*100）：

base_year = 2005

# 提取每个国家2005年的基准值
base_values = df[df['年份'] == base_year].set_index('国家')[numeric_cols]

# 合并基准值到原数据集，计算指数
df = df.merge(base_values, on='国家', suffixes=('', '_base'))
for col in numeric_cols:
    df[f'{col}_指数'] = (df[col] / df[f'{col}_base']) * 100

# 删除临时基准列
df.drop([f'{col}_base' for col in numeric_cols], axis=1, inplace=True)

5. 计算增长率 #

同比增长率（较上一年） #

按国家分组计算年度环比增长率：

for col in numeric_cols + [f'{col}_指数' for col in numeric_cols]:
    df[f'{col}_同比增长率(%)'] = df.groupby('国家')[col].pct_change() * 100

较基期增长率 #

直接用指数值减去100得到相对于2005年的增长率：

for col in numeric_cols:
    df[f'{col}_较基期增长率(%)'] = df[f'{col}_指数'] - 100

6. 保存处理后的数据 #

将结果导出到新的Excel文件：

df.to_excel('处理后_欧元区面板数据.xlsx', index=False)

额外说明 #

• 如果原始数据是宽格式（年份作为列，每个国家一行），需要先转换为长格式：

  # 宽格式转长格式示例
  df_long = pd.melt(df, id_vars=['国家'], var_name='年份', value_vars=[str(year) for year in range(1995, 2023)])
  df_long['年份'] = df_long['年份'].astype(int)
  

• 若部分国家2005年数据缺失，可根据研究需求选择插值补全或剔除该国家样本。

内容的提问来源于stack exchange，提问作者Jfel