如何批量计算pandas DataFrame各列逐月环比增长率

不需要逐列重复编写计算逻辑，用pandas内置方法可以一次性完成所有相邻月份列的环比计算，计算逻辑和你手动逐列写的公式完全一致。

核心实现方法 #

首先确认所有月份数值列严格按照时间先后顺序从左到右排列（比如7月→8月→9月→10月依次排列，不存在顺序错乱），之后直接调用pct_change方法即可：

# axis=1 表示按列方向（左右相邻）计算变化率
# 计算逻辑完全等价于 当期值/上期值 - 1，和你手动写的公式无差异
# 第一列因为没有更早的月份作为对比基准，会返回空值
growth_df = df.pct_change(axis=1, fill_method=None)

常见场景适配 #

• 如果你的DataFrame包含非数值的标识列（比如品类、地区、门店名这类不需要计算环比的文本列），可以先拆分标识列与数值列，计算完成后再拼接回去：

# 示例：假设「品类」列是标识列，其余列都是月份数值列
id_part = df[['品类']]
num_part = df.drop(columns=['品类'])

# 计算数值部分的环比
growth_part = num_part.pct_change(axis=1, fill_method=None)

# 拼接回标识列得到最终结果
final_result = pd.concat([id_part, growth_part], axis=1)

• 如果需要批量修改列名，明确标记每个环比对应的对比月份，可以用如下代码批量生成列名：

new_col_names = []
for idx, col_name in enumerate(num_part.columns):
    if idx == 0:
        new_col_names.append(f"{col_name}(无环比基准)")
    else:
        prev_month = num_part.columns[idx-1]
        new_col_names.append(f"{col_name}环比{prev_month}增长率")

growth_part.columns = new_col_names

效果说明 #

以4个月份列的场景为例，上述代码计算出的结果和逐列编写的growth_rate1/growth_rate2/growth_rate3数值完全一致，哪怕列数扩展到几十上百列，也不需要修改代码重复编写计算逻辑。

内容的提问来源于stack exchange，提问作者Kinsley. N