如何使用Python Pandas计算每日交易量的YoY同比增长率

假设你的DataFrame名为df，包含date（日期列）和volume（交易量列），可以按以下步骤实现：

1. 确保日期列是datetime类型
   先将日期列转换为Pandas可识别的datetime格式，避免后续处理出错：

   import pandas as pd
   df['date'] = pd.to_datetime(df['date'])
   

2. 提取月日标识用于匹配同日期数据
   添加一列month_day，用MM-DD格式标记每条记录的月日，这样就能精准匹配不同年份的同一天：

   df['month_day'] = df['date'].dt.strftime('%m-%d')
   

3. 关联上一年同日期的交易量数据
   复制一份数据集并调整年份标记，将其与原数据按「年份+月日」关联，获取上一年同日的交易量：

   # 复制数据并生成上一年的匹配标识
   df_prev_year = df.copy()
   df_prev_year['match_year'] = df_prev_year['date'].dt.year + 1
   df_prev_year = df_prev_year[['match_year', 'month_day', 'volume']].rename(columns={'volume': 'prev_volume'})
   
   # 关联原数据与上一年数据
   df = df.merge(
       df_prev_year,
       left_on=[df['date'].dt.year, 'month_day'],
       right_on=['match_year', 'month_day'],
       how='left'
   )
   

4. 计算同比增长率
   用公式(当年交易量 - 上年交易量) / 上年交易量计算同比增长率，对于2020年的2月29日这类仅闰年存在的日期，因无对应上年数据，结果会显示为NaN：

   df['YoY_Growth'] = (df['volume'] - df['prev_volume']) / df['prev_volume']
   

5. 清理临时列（可选）
   如果不需要month_day和match_year这些临时列，可以删除：

   df = df.drop(columns=['month_day', 'match_year'])
   

内容的提问来源于stack exchange，提问作者User771