如何使用Pandas从DataFrame生成基于log(this year/previous year)的增长率向量？

1. 读入并整理数据 #

首先把CSV文件导入Pandas DataFrame，一定要按年份列排序——这步是关键，顺序错了计算出的增长率完全无效：

import pandas as pd
import numpy as np

# 替换成你的CSV文件路径
df = pd.read_csv('your_data.csv')
# 按年份升序排序，重置索引避免乱序问题
df = df.sort_values('year').reset_index(drop=True)

2. 计算对数增长率 #

按照你定义的log(本年数值/上年数值)规则，用shift()方法获取上一年的数据，再结合np.log()完成计算：

# 给原DataFrame新增增长率列
df['log_growth_rate'] = np.log(df['target_column'] / df['target_column'].shift(1))

# 如果只需要单独的增长率向量，直接生成并删除空值（第一年没有上年数据，结果为NaN）
growth_vector = np.log(df['target_column'] / df['target_column'].shift(1)).dropna()

• shift(1)：将数值列整体向下偏移一行，让每一行都能匹配到上一年的对应数值
• dropna()：剔除第一行的空值，因为第一年没有前置数据，无法计算增长率

实际示例 #

假设你的CSV数据如下：

运行代码后得到的增长率向量为：

0    0.182322
1    0.223144
Name: log_growth_rate, dtype: float64

对应log(96/80)和log(120/96)的计算结果

注意事项 #

• 确保目标数值列没有0或负数，否则np.log()会抛出错误，需先清理异常值
• 如果你的年份列、数值列不是示例中的命名，记得替换成自己文件里的实际列名

内容的提问来源于stack exchange，提问作者businesstoe