如何计算DataFrame相邻年份列的数值变化百分比

你可以直接使用pandas内置的pct_change()方法完成需求，不需要额外自定义函数，具体实现如下：

核心实现逻辑 #

• 先将非数值的国家名称列rownames设为行索引，避免被纳入数值计算
• 调用pct_change(axis=1)沿水平方向（列方向）逐行计算相邻列的变化率，计算规则为(当前列值 - 前一列值)/前一列值，结果就是相邻年份的变化百分比
• 计算完成后直接删除无前置对比基准的2015Y列即可

完整可运行代码 #

# 设置国家列为行索引
df_result = dfhigh.set_index('rownames')
# 计算相邻年份的变化百分比
df_result = df_result.pct_change(axis=1)
# 删除无基准的2015Y列
df_result = df_result.drop(columns="2015Y")
# 如需将国家名还原为普通列，执行下行代码即可
df_result = df_result.reset_index()

注意事项 #

• 方法默认返回小数形式的变化率，比如返回值0.636代表较前一年上涨63.6%，如果需要展示为百分号格式，可以对数值列做df_result[年份列] = df_result[年份列].apply(lambda x: f"{x*100:.2f}%")格式化
• 如果原始数据中存在前一年数值为0的情况，计算会返回无穷大值，可提前将0值替换为空值避免异常：dfhigh = dfhigh.replace(0, pd.NA)

内容的提问来源于stack exchange，提问作者lasagna