Python 执行pct_change(),只考虑时间序列数据帧中的上一年?
我有一个示例数据帧“df”: 当我执行pct_change()时,即 行年份=2002的计算“变化”值为-0.75。我怎么能让熊猫返回2002的N/A,因为2001的数据丢失了,因为我只想在时间序列中考虑直接的前一年?Python 执行pct_change(),只考虑时间序列数据帧中的上一年?,python,pandas,dataframe,Python,Pandas,Dataframe,我有一个示例数据帧“df”: 当我执行pct_change()时,即 行年份=2002的计算“变化”值为-0.75。我怎么能让熊猫返回2002的N/A,因为2001的数据丢失了,因为我只想在时间序列中考虑直接的前一年? 干杯。使用设置索引+重新索引+pct\u更改和填充方法=无- 首先,将Year设置为索引 获取从最小到最大的年数范围,并使用此范围重新索引数据帧。缺失的年份现在添加为NaNs 调用pct\u changeonValue而不填充NaNs 使用set\u index+reindex+
干杯。使用
设置索引
+重新索引
+pct\u更改
和填充方法=无
-
Year
设置为索引NaN
spct\u change
onValue
而不填充NaN
s李>
使用
set\u index
+reindex
+pct\u change
和fill\u method=None
-
Year
设置为索引NaN
spct\u change
onValue
而不填充NaN
s李>
谢谢如何将此解决方案扩展到具有不同年份值范围的多个“名称”ID(例如“B”、“C”等)?@user2530766您可以
groupby
Name
。代码需要稍作修改。你能用一个合适的数据样本来回答一个新问题吗?请在这里回答多个ID的后续问题:谢谢。如何将此解决方案扩展到具有不同年份值范围的多个“名称”ID(例如“B”、“C”等)?@user2530766您可以groupby
Name
。代码需要稍作修改。您能否使用适当的数据样本提出新问题?请在此处跟进多个ID的问题:
df = pd.DataFrame({'Year': [2000, 2002, 2003, 2004],
'Name': ['A'] * 4,
'Value': [4, 1, 1, 3]})
df['change'] = df['Value'].pct_change()
r = np.arange(df.Year.min(), df.Year.max() + 1)
df = df.set_index('Year').reindex(r)
v = df['Value'].pct_change(fill_method=None)
df = df.assign(Change=v).dropna(how='all').reset_index()
df
Year Name Value Change
0 2000 A 4.0 NaN
1 2002 A 1.0 NaN
2 2003 A 1.0 0.0
3 2004 A 3.0 2.0