Python pandas计算特定行数值与目标均值的百分比偏差方法问询

核心实现逻辑 #

pandas 原生支持向量化运算，无需循环即可逐行计算百分比偏差，完全适配你的需求，不需要用pct_change（该方法仅适合同序列相邻元素的变化率计算，不适用与固定均值/对应列值的偏差计算），你之前尝试的索引修改方案和当前需求无关，无需使用。

具体代码实现 #

场景1：每行对应均值已经存储在mean列中 #

如果你的每一行价格对应的目标均值都已经提前计算好、存储在mean列，直接按如下方式计算即可：

df['pct_difference'] = (df['price'] - df['mean']) / df['mean'] * 100

按你给出的示例，均值10、价格8时，计算结果为-20，即价格比均值低20%，完全符合预期。

场景2：均值是固定的全局值（比如ab roller类别的全局平均价） #

如果目标均值是提前计算好的固定值，比如所有ab roller商品的平均价格，先提取均值再计算即可：

# 先计算ab roller类别对应的全局平均价
ab_roller_mean = df.loc[df['tertiary_tag'] == 'ab roller', 'price'].mean()
# 逐行计算每个商品价格相对该均值的偏差
df['pct_difference'] = (df['price'] - ab_roller_mean) / ab_roller_mean * 100

原代码问题说明 #

你原来写的df['tertiary_tag']['price']属于链式索引，容易触发SettingWithCopyWarning，如果你的DataFrame是多级列结构，推荐用如下方式取值：

# 多级列正确取值方式，避免链式索引警告
price_col = df.loc[:, ('tertiary_tag', 'price')]
mean_col = df.loc[:, ('ab roller', 'mean')]
df['pct_difference'] = (price_col - mean_col) / mean_col * 100

内容的提问来源于stack exchange，提问作者Ken