計算平均同比百分比變化 - Pandas DataFrame

Question

我有一個每月觀察的 Pandas DataFrame。 我想計算幾個指標——MoM 和 YoY pct 變化。

import pandas as pd
import numpy as np

df = pd.DataFrame({
                   'c': ['A','A','A','B','B','B','C','C'],
                   'z': [1, 2, 3, 4, 5, 6, 7, 8],
                   '2018-01': [10, 12, 14, 16, 18, 20, 22, 24],
                   '2018-02': [12, 14, 16, 18, 20, 22, 24, 26],
                   '2019-01': [8, 10, 12, 14, 16, 18, 20, 22],
                   '2019-02': [10, 12, 14, 16, 18, 20, 22, 24]
                 })

對於c中的每個z ，我想計算MoM和YoY的百分比變化。 這在月份列中的觀察值和year中的聚合百分比變化之間會有pct不同。

我正在尋找一種可在多個月度專欄和年份中推廣的解決方案。

預期輸出：

c  z  2018-01 2018-02 2019-01 2019-02 Avg_YoY_pct

A  1    10                              -18.18
A  2    12
A  3    14
B  4    .............................
B  5
B  6
C  7
C  8

Avg_YoY_pct計算為當年所有月度值總和之間的percentage差異。

Answer 1

感謝您提供如此好的示例輸入。 這是一種方法，首先將表格融合為長格式，然后執行 groupby 以獲得每個月的平均 YoY，然后另一個 groupby 獲得所有月份的平均 YoY。 我認為它對更多月份和年份的專欄很靈活

#melt the wide table into a long table
long_df = df.melt(
    id_vars=['c','z'],
    var_name='date',
    value_name='val',
)

#extract the year and month from the date column
long_df[['year','month']] = long_df['date'].str.split('-', expand=True)
long_df['year'] = long_df['year'].astype(int)
long_df['month'] = long_df['month'].astype(int)

#group by c/z/month and shift to get avg yoy for each month
avg_month_yoy = long_df.groupby(['c','z','month'])['val'].apply(
    lambda v: v.sub(v.shift(1)).div(v.shift(1)).multiply(100).mean()
).reset_index()

#group by just c/z to get avg yoy over all months
avg_yoy = avg_month_yoy.groupby(['c','z'])['val'].mean()

#Add the avg_yoy back into the original table
df = df.set_index(['c','z'])
df['Avg_YoY_pct'] = avg_yoy
df = df.reset_index()

print(df)

輸出