Python 涉及两个不同数据帧之间的复合增长率的棘手情况

我希望计算人口普查年份（2011年、2016年）之间的复合年增长率，并使用该增长率推断年份之间的数字

例如 然后计算2011年至2016年的复合年增长率 将复合年增长率应用于中间各年 创建df_2012

 Age      Census_Tract_001   Census_Tract_002
 0        131.95             541.74

创建df_2013

 Age      Census_Tract_001   Census_Tract_002
 0        174.108             489.137

创建df_2014

 Age      Census_Tract_001   Census_Tract_002
 0        229.7355           441.6418

创建df_2015

 Age      Census_Tract_001   Census_Tract_002
 0        303.136           398.7584

我的尝试 我厌倦了做下面的事情 年数 ny=5

当前营业额 pt=

过去营业额 ppt=

m=（pt/ppt）

AGR=年增长率 agr=浮动（（米**1/ny）-1）*100

---

我累了好几个小时，但如果我不能，我将只参考excel中的单元格进行计算，不幸的是…

您可以通过应用公式直接找到CAGR

cagr = (df2/df)**(1/5) - 1

    Age     Census_Tract_001    Census_Tract_002
0   NaN     0.319508            -0.09712

要查找介于

df

s之间的函数，请定义一个函数

f = lambda c: c + c*cagr

并通过使用函数组合调用它来复合它

>>> f(df)
        Age     Census_Tract_001    Census_Tract_002
0       NaN     131.950791          541.728271

>>> f(f(df))
        Age     Census_Tract_001    Census_Tract_002
0       NaN     174.110113          489.115866

---

在运行之前，是否必须对列进行排序？因为我得到了大量的空值。@OptimusPrime我不知道你原来的

df

是什么，但只需过滤它们，使它们具有相同的列（并且顺序相同）：）

f = lambda c: c + c*cagr

>>> f(df)
        Age     Census_Tract_001    Census_Tract_002
0       NaN     131.950791          541.728271

>>> f(f(df))
        Age     Census_Tract_001    Census_Tract_002
0       NaN     174.110113          489.115866