Python 如何从上个月的平均值计算每个月的百分比变化

我有如下数据：

YearMonth  PageViews  Users
202001      100        10
202002      150        12
202003      100        13
202004      120        15
202005      130        10

我想找出每个新月份与上个月平均使用量的百分比差异。比如说,

202001年将为NA，因为没有上个月

202002年前一个月的平均值 将仅为202001，因此 与202001相比，202002为50%，用户为20%

同样，202003年前几个月的平均值为 202001和202002的平均值加起来，因此页面浏览平均值为125（100+150除以2），用户 为11，因此202003的百分比差异将为-20% 页面浏览量和用户的+18%等等

如何使用python找到它？任何帮助都将不胜感激。谢谢。

请尝试

cumsum（）/range

获取累积平均值：

cols = ['PageViews','Users']
cum_mean = df[cols].cumsum().div(np.arange(len(df))+1, axis=0)
df[cols].div(cum_mean.shift()).sub(1)

输出：

   PageViews     Users
0        NaN       NaN
1   0.500000  0.200000
2  -0.200000  0.181818
3   0.028571  0.285714
4   0.106383 -0.200000

尝试

cumsum（）/range

获取累积平均值：

cols = ['PageViews','Users']
cum_mean = df[cols].cumsum().div(np.arange(len(df))+1, axis=0)
df[cols].div(cum_mean.shift()).sub(1)

输出：

   PageViews     Users
0        NaN       NaN
1   0.500000  0.200000
2  -0.200000  0.181818
3   0.028571  0.285714
4   0.106383 -0.200000

---

pct_change只计算前一个元素，我想计算所有前一个元素，就像滚动平均值pct_change只计算前一个元素，我想计算所有前一个元素，就像滚动平均值，如果我们有一个组，我们该怎么办？在组中找到此分析？使用lazy groupby:

groups=df.groupby（'some_cols'）；cumsum=组[cols].cumsum（）；ranges=groups.cumcount（）+1；output=cumsum.div（ranges，axis=0）

。如果我们有一个组，我们该怎么办？在组中找到此分析？使用lazy groupby:

groups=df.groupby（'some_cols'）；cumsum=组[cols].cumsum（）；ranges=groups.cumcount（）+1；输出=cumsum.div（范围，轴=0）

。