Pandas 熊猫：如何根据月度数据计算年度通胀？

我有一个带有月经通货膨胀的数据框，它有一个周期指数：

通货膨胀
月份

2016-01       1.27
2016-02       0.90
2016-03       0.43
2016-04       0.61
2016-05       0.78
2016-06       0.35
2016-07       0.52
2016-08       0.44
2016-09       0.08
2016-10       0.26
2016-11       0.18
2016-12       0.30
2017-01       0.38
2017-02       0.33
2017-03       0.25
2017-04       0.14
2017-05       0.31
2017-06      -0.23
2017-07       0.24
2017-08       0.19
2017-09       0.16
2017-10       0.42
2017-11       0.28
2017-12       0.44

我认为年通货膨胀率很容易计算，只需重新取样到一个年周期：

(df/100+1).resample('A').cumprod()

但它给了我一个错误：

AttributeError: 'PeriodIndexResampler' object has no attribute 'cumprod'

它适用于更简单的函数，比如sum，但我尝试了一些替代方法，而cumprod并没有对结果进行聚合

我的预期答案是：

2016    1.062881
2017    1.029473   

进行此计算的最佳方法是什么？

以下是用于复制和粘贴的数据：

python
[[期间（'2016-01，'M'），1.27]，
[期间（'2016-02，'M'），0.9]，
[期间（'2016-03，'M'），0.43]，
[期间（'2016-04'，'M'），0.61]，
[期间（'2016-05，'M'），0.78]，
[期间（'2016-06，'M'），0.35]，
[期间（'2016-07'，'M'），0.52]，
[期间（'2016-08，'M'），0.44]，
[期间（'2016-09'，'M'），0.08]，
[期间（'2016-10'，'M'），0.26]，
[期间（'2016-11'，'M'），0.18]，
[期间（'2016-12'，'M'），0.3]，
[期间（'2017-01，'M'），0.38]，
[期间（'2017-02'，'M'），0.33]，
[期间（'2017-03，'M'），0.25]，
[期间（'2017-04'，'M'），0.14]，
[期间（'2017-05'，'M'），0.31]，
[期间（'2017-06'，'M'），-0.23]，
[期间（'2017-07'，'M'），0.24]，
[期间（'2017-08'，'M'），0.19]，
[期间（'2017-09'，'M'），0.16]，
[期间（'2017-10'，'M'），0.42]，
[期间（'2017-11'，'M'），0.28]，
[期间（'2017-12'，'M'），0.44]]

使用：

df.groupby(pd.Grouper(freq='A')).cumprod()

使用：

---

什么是预期输出？什么是预期输出？这并不奇怪，如果我使用sum（）运行，它会正确地给出聚合值，但是如果我使用cumprod（）运行，它会返回每个月的值。看起来pandas没有将cumprod（）视为聚合函数。@neves-是的，它应该返回与原始数据帧相同大小的序列。sum，mean aggregate data，

cumsum

，

cumprod

，

diff

不是。因此可能需要先使用

sum

之类的，然后再对输出

系列
df.groupby（pd.Grouper（freq='A'））.sum（）.cumprod（）
如果我使用sum（）运行，它会正确地给出聚合值，但是如果我使用cumprod（）运行，它会返回每个月的值。看起来pandas没有将cumprod（）视为聚合函数。@neves-是的，它应该返回与原始数据帧相同大小的序列。求和，平均聚集数据，
cumsum
，
cumprod
，
diff
不是。因此可能需要首先使用
sum
类似，然后用于输出
系列
df.groupby（pd.Grouper（freq='A'））.sum（）.cumprod（）