You need to enable JavaScript to run this app. 如何使用Python pandas计算时间序列变量的增长率
优惠活动
大模型
产品
解决方案
定价
更多

如何使用Python pandas计算时间序列变量的增长率

Pandas计算时间序列增长率的实操方法

前置数据准备

你提供的原始数据为字符串格式的月度时间序列,首先需要转换为pandas可识别的标准时间格式,才能开展后续计算:

  • 导入pandas依赖库
  • 加载原始样本数据
  • 转换日期列为datetime类型
  • 可选:将日期列设置为时间索引,适配后续时间序列操作

对应代码:

import pandas as pd
# 加载你提供的原始样本数据
sample_data = {
    "date": ["1-1-2013","1-2-2013","1-3-2013","1-4-2013","1-5-2013","1-6-2013",
             "1-7-2013","1-8-2013","1-9-2013","1-10-2013","1-11-2013","1-12-2013"],
    "value": [100,200,300,400,500,600,700,650,450,350,250,150]
}
df = pd.DataFrame(sample_data)
# 将字符串格式日期转换为标准时间格式
df["date"] = pd.to_datetime(df["date"])
# 设置日期为索引
df = df.set_index("date")

增长率计算核心逻辑

pandas内置了pct_change()方法,可直接实现逐期变化率计算,公式和日常统计口径完全一致:增长率 = (当期指标值 - 上一周期指标值) / 上一周期指标值

  • 最常用的逐期(环比)计算:默认参数periods=1,即和上1个周期的值做对比
  • 同比计算:如果是月度长期数据,可设置periods=12,即和12个月前的同期值对比计算同比增速
  • 自定义周期计算:可根据数据频率调整periods参数,比如季度数据想算逐季环比就保持默认,想算季度同比就设periods=4

对应计算代码:

# 计算逐期环比增长率,保留4位小数(对应百分比的2位精度)
df["period_growth_rate"] = df["value"].pct_change(periods=1).round(4)

计算结果说明

因为序列第一个值没有对应的前期对比值,所以第一行的增长率位置会返回NaN,这是正常计算逻辑:

  • 2013-02-01的增长率为1.0(即100%),对应计算逻辑(200-100)/100 = 1.0
  • 2013-08-01的增长率为-0.0714(即-7.14%),对应计算逻辑(650-700)/700 ≈ -0.0714

常见注意事项

  • 不要通过手动循环遍历行计算相邻值的比值,pct_change()是向量化运算,万行以上数据的计算效率远高于循环写法,还能自动规避索引错位导致的计算错误
  • 如果原始时间序列存在日期缺失(比如跳过了某月/某季度的数据),需要先通过asfreq()方法补全标准时间频率,再计算增长率,否则方法会把相邻的有效行误判为相邻周期,导致结果口径错误
  • 如果需要直接输出百分比格式的展示值,可对计算结果做二次处理:(df["value"].pct_change()*100).round(2).astype(str) + "%"

内容的提问来源于stack exchange,提问作者swhh

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.29 01:24:03