Pandas pct_change() 函数详解：轻松计算百分比变化

在数据分析中，我们经常需要计算数据变化的百分比，例如股票收益率、销售增长率等。Pandas 提供了 pct_change() 函数，可以方便地计算序列或数据框中元素与其先前值的百分比变化。

语法pythonpandas.DataFrame.pct_change(periods=1, fill_method='pad', limit=None, freq=None, **kwargs)pandas.Series.pct_change(periods=1, fill_method='pad', limit=None, freq=None, **kwargs)

参数说明

• periods: 可选参数，表示计算百分比变化的周期数，默认为 1，即计算每个元素与其前一个元素的百分比变化。* fill_method: 可选参数，表示在计算百分比变化时如何处理缺失值，默认为 'pad'，即用前一个非缺失值填充缺失值；如果设置为 'backfill'，则用后一个非缺失值填充缺失值。* limit: 可选参数，表示在计算百分比变化时最多填充的缺失值数量，默认为 None，表示不限制填充数量。* freq: 可选参数，表示时间间隔的频率字符串，用于计算百分比变化的时间间隔。如果设置了该参数，则会将序列的索引视为时间戳，并按照频率字符串进行计算。

返回值

返回一个新的序列或数据框，其中每个元素表示与先前值的百分比变化。

示例pythonimport pandas as pd

创建示例数据data = {'A': [1, 2, 3, 4, 5]}df = pd.DataFrame(data)

计算每个元素与前一个元素的百分比变化print(df['A'].pct_change())

输出：# 0 NaN# 1 1.000000# 2 0.500000# 3 0.333333# 4 0.250000# Name: A, dtype: float64

计算每个元素与前两个元素的百分比变化print(df['A'].pct_change(periods=2))

输出：# 0 NaN# 1 NaN# 2 2.000000# 3 1.000000# 4 0.666667# Name: A, dtype: float64

通过设置不同的参数，pct_change() 函数可以灵活地计算各种百分比变化，满足不同的数据分析需求。