如何用Pandas计算每日生产件数的增长百分比？

嘿，我来帮你搞定这个问题！其实计算每日生产件数的增长百分比不需要纠结transpose()或unstack()，用pandas里的专用方法就能轻松解决，我给你一步步拆解：

先明确常见数据结构（假设你的CSV是这种格式） #

通常每日生产件数的CSV会是「日期+生产数量」的长格式，比如：

date,production
2024-01-01,100
2024-01-02,120
2024-01-03,114
2024-01-04,137
2024-01-05,145

如果你的数据是宽格式（日期作为列名），我后面也会补充处理方法。

步骤1：读取并整理数据 #

首先用pandas读取CSV，重点是把日期列解析成日期格式，确保后续计算的正确性：

import pandas as pd

# 读取CSV，自动解析date列为日期类型，并设为索引
df = pd.read_csv('production_data.csv', parse_dates=['date'], index_col='date')

# 务必按日期升序排序（避免CSV里日期乱序导致计算错误）
df = df.sort_index()

步骤2：计算每日增长百分比 #

用pandas内置的pct_change()方法就能直接算出环比增长，它会自动计算当前行相对于前一行的变化率，乘以100转成百分比格式即可：

# 计算增长百分比，保留2位小数
df['growth_pct'] = df['production'].pct_change() * 100
df['growth_pct'] = df['growth_pct'].round(2)

运行后你的数据会变成这样：

production  growth_pct
date                             
2024-01-01         100         NaN
2024-01-02         120        20.0
2024-01-03         114        -5.0
2024-01-04         137        20.18
2024-01-05         145         5.84

• 第一行的NaN是因为没有前一天的数据，你可以用df['growth_pct'] = df['growth_pct'].fillna(0)填充为0，或者用df = df.dropna()直接删除该行。

步骤3：可视化展示（可选但直观） #

如果想把增长趋势可视化，用matplotlib做双轴图就能同时展示生产件数和增长百分比：

import matplotlib.pyplot as plt

plt.figure(figsize=(10,6))
# 绘制生产件数折线图
plt.plot(df.index, df['production'], marker='o', label='生产件数')
# 双Y轴绘制增长百分比柱状图
ax2 = plt.gca().twinx()
ax2.bar(df.index, df['growth_pct'], alpha=0.3, color='red', label='增长百分比(%)')

# 美化图表
plt.title('每日生产件数及增长趋势')
plt.xlabel('日期')
plt.ylabel('生产件数')
ax2.set_ylabel('增长百分比(%)')
plt.legend(loc='upper left')
ax2.legend(loc='upper right')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

如果你的数据是宽格式（日期为列名）怎么办？ #

比如CSV是这种结构：

product,2024-01-01,2024-01-02,2024-01-03
A,100,120,114
B,80,90,95

这时候需要先转成长格式再计算，用melt()方法就能搞定：

df = pd.read_csv('production_wide.csv')
# 转成长格式：产品、日期、生产件数
df_long = df.melt(id_vars='product', var_name='date', value_name='production')
# 解析日期列
df_long['date'] = pd.to_datetime(df_long['date'])
# 按产品+日期排序
df_long = df_long.sort_values(['product', 'date'])
# 分组计算每个产品的每日增长百分比
df_long['growth_pct'] = df_long.groupby('product')['production'].pct_change() * 100
df_long['growth_pct'] = df_long['growth_pct'].round(2)

内容的提问来源于stack exchange，提问作者MM55