基于y的年度月度平均增长率生成特征的简洁实现方法问询

需求说明 #

基于月度数据集生成过去n年的几何平均增长率特征（如y_agr_last2、y_agr_last3等），计算公式为：

[(1+r₁)(1+r₂)...(1+rₙ)]^(1/n)-1

其中r为对应年度同月的y值（百分比形式），例如2022年9月的y_agr_last2是过去2年同月y值的几何平均增长率。

原代码问题 #

原实现需要手动创建多个shift临时列，再重复编写计算逻辑，代码冗余且扩展性差——新增年份特征时需重复编写多段相似代码。

简洁实现方案 #

通过循环批量生成特征，无需创建临时shift列，代码更简洁且易于扩展：

import pandas as pd

# 定义需要生成特征的年份数列表，可按需添加（如[2,3,4,5]）
target_years = [2, 3, 4]

for n in target_years:
    # 批量获取过去n年对应月份的(1+r)序列，计算乘积
    year_series = [(df['y'].shift(12*i)/100) + 1 for i in range(1, n+1)]
    # 计算几何平均增长率并生成对应列
    df[f'y_agr_last{n}'] = pd.concat(year_series, axis=1).prod(axis=1) ** (1/n) - 1

方案优势 #

• 扩展性强：新增年份特征仅需在target_years列表中添加对应数字
• 无冗余代码：避免重复编写shift和计算逻辑
• 节省内存：无需创建并删除临时shift列

内容的提问来源于stack exchange，提问作者ah bon