pandas的pct_change()函数用于计算序列中每个元素与其前一个元素的百分比变化。

语法： pandas.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前一个元素的百分比变化。

示例： import pandas as pd

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

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

输出：

0 NaN

1 1.000000

2 0.500000

3 0.333333

4 0.250000

Name: A, dtype: float64

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

输出：

0 NaN

1 NaN

2 2.000000

3 1.000000

4 0.666667

Name: A, dtype: float64