如何基于周度数据高效计算YTD变动值？

我有如下周度数据表格：

希望生成如下格式的YTD变动值表格，YTD变动值计算公式为：(当年最后一个值 - 当年第一个值) / 当年第一个值（基础百分比变动），求高效实现方案。

目标输出格式：

方案1：Excel实现（适合入门用户） #

1. 提取年份：新增一列（如E列），在E2单元格输入公式=YEAR(A2)，下拉填充所有行，提取每条数据对应的年份。
2. 获取每年首尾值：
   • 若数据已按日期排序，可直接用XLOOKUP函数提取：
     • 2022年A列第一个值：=XLOOKUP(2022,YEAR(A:A),A:A,,0,1)
     • 2022年A列最后一个值：=XLOOKUP(2022,YEAR(A:A),A:A,,0,-1)
   • 若数据未排序，使用「分类汇总」功能：先按年份分类，分别选择「最小值」「最大值」汇总A-D列，对应每年的首尾值。
3. 计算变动率：对每个列代入公式(最后一个值 - 第一个值)/第一个值，将结果填入目标表格即可。

方案2：Python Pandas实现（适合批量/大数据处理） #

如果需要处理多份数据或大样本量，用代码更高效：

1. 读取并预处理数据：

import pandas as pd

# 读取数据（支持Excel/CSV格式，替换为你的文件路径）
df = pd.read_excel("周度数据.xlsx")
# 将日期列转为标准格式
df['Date'] = pd.to_datetime(df['Date'])
# 提取年份
df['Year'] = df['Date'].dt.year

2. 分组获取首尾值并计算变动率：

# 按年份分组，取每组第一条（当年第一个值）和最后一条（当年最后一个值）
first_vals = df.groupby('Year')[['A','B','C','D']].nth(0)
last_vals = df.groupby('Year')[['A','B','C','D']].nth(-1)

# 计算YTD变动率并整理格式
ytd_result = (last_vals - first_vals) / first_vals
ytd_result = ytd_result.reset_index().rename(columns={'Year':'Date'})

3. 输出结果：

# 打印表格
print(ytd_result)
# 导出为Excel文件
ytd_result.to_excel("YTD变动值.xlsx", index=False)

内容的提问来源于stack exchange，提问作者Saanchi