多数据集最后列百分比差异计算求助：ratio函数返回NaN

明确百分比差异计算逻辑 #

通常百分比差异采用公式：((数据集B最后一列值 - 数据集A最后一列值) / 数据集A最后一列值) * 100
若需基于两者均值计算差异，可用：((B - A)/((A+B)/2))*100，根据需求选择即可。

NaN问题的常见原因及解决办法 #

1. 数据集索引未对齐 #

你的数据集以日期为第一列，若读取后未将日期设为索引、或日期格式不统一（比如一个是字符串，一个是datetime类型），会导致对应行无法匹配，计算时出现NaN。
解决方式：
读取每个数据集时，指定日期列为索引并转为datetime类型：

import pandas as pd

# 读取单个数据集示例（适配空格分隔的文本格式）
df1 = pd.read_csv('dataset1.txt', sep='\s+', parse_dates=[0], index_col=0)
df2 = pd.read_csv('dataset2.txt', sep='\s+', parse_dates=[0], index_col=0)

2. 数据集中存在0值 #

若数据集A的最后一列存在0值，除以0会直接产生NaN或无穷大，需针对性处理：

# 提取两个数据集的最后一列
col_a = df1.iloc[:, -1]
col_b = df2.iloc[:, -1]

# 计算百分比差异，同时规避除以0的情况
pct_diff = ((col_b - col_a) / col_a.where(col_a != 0)) * 100
# 对无法计算的行，可根据需求填充默认值（比如0）
pct_diff = pct_diff.fillna(0)

3. 误用ratio函数 #

多数数据处理库没有直接适配你需求的ratio函数，手动实现百分比差异逻辑更可靠，避免因函数内置逻辑不符导致的错误。

批量处理16个数据集的两两对比 #

将所有数据集存入列表，通过双重循环遍历所有两两组合：

# 假设数据集文件名为dataset1.txt至dataset16.txt
datasets = []
for idx in range(1, 17):
    df = pd.read_csv(f'dataset{idx}.txt', sep='\s+', parse_dates=[0], index_col=0)
    # 存储数据集名称和最后一列数据
    datasets.append((f'dataset{idx}', df.iloc[:, -1]))

# 遍历所有两两组合计算差异
for i in range(len(datasets)):
    name_a, col_a = datasets[i]
    for j in range(i+1, len(datasets)):
        name_b, col_b = datasets[j]
        pct_diff = ((col_b - col_a) / col_a.where(col_a != 0)) * 100
        # 输出或保存结果
        print(f"{name_a} vs {name_b} 百分比差异：")
        print(pct_diff)
        pct_diff.to_csv(f'{name_a}_vs_{name_b}_pct_diff.csv')

结果验证 #

用你给出的示例数据测试：
df1最后一列：[8,10,6,4]，df2最后一列：[8,12,2,3]
计算后应得到：

• 1980-01-01: 0%
• 1981-01-01: 20%
• 1982-01-01: ≈-66.67%
• 1983-01-01: -25%
  若输出此结果，说明计算逻辑正确。

内容的提问来源于stack exchange，提问作者naiyaluna