如何按类别分组计算DataFrame各分类每日数值的百分比变化

实现步骤 #

你直接对全列调用pct_change()会按整个表的行顺序依次计算，不会区分类别，只需要增加按类别分组的逻辑，同时提前按日期排序保证计算顺序正确即可：

1. 先按category、date两个字段排序，确保同一个类别的行按时间先后排列
2. 按category分组后，在每个组内对number列调用pct_change()计算环比变化
3. 最后做格式转换匹配你需要的输出样式

完整可运行代码 #

import pandas as pd

# 构造你的示例数据
data = {
    "category": ["dog", "cat", "dog", "mouse", "mouse", "cat"],
    "number": [100, 50, 150, 200, 150, 100],
    "date": ["2020-01-01", "2020-01-01", "2020-01-02", "2020-01-01", "2020-01-02", "2020-01-02"]
}
df = pd.DataFrame(data)

# 1. 排序保证时间顺序正确
df = df.sort_values(["category", "date"]).reset_index(drop=True)

# 2. 分组计算百分比变化
df["percentage_change"] = df.groupby("category")["number"].pct_change()

# 3. 格式转换：空值替换为'-'，数值转百分比格式
# 注：你的示例中mouse类别的变化实际为-25%，如果不需要负号可以在计算时加abs()
df["percentage_change"] = df["percentage_change"].apply(
    lambda x: f"{round(x*100)}%" if pd.notna(x) else "-"
)

print(df)

运行输出结果 #

内容的提问来源于stack exchange，提问作者bigmacattack