Python 如何计算每日数据时间序列的百分比变化

我有一个indexdata的每日时间序列，并希望每年对其进行pct更改。如果我使用

DataFrame.pct_change（periods=…）

我必须定义到去年同一天的确切天数，这是不正确的，因为工作天数每年都不同。有人知道如何从一年前的同一天获得这些变化吗

代码可能如下所示：

import pandas as pd

list=[]
list=[[7.71],[7.79],[6.80],[6.44],[6.46],[6.80]]
df = pd.DataFrame(list, columns=['index'], index=['2016-01-04','2016-01-05','2016-01-06','2017-01-04','2017-01-05','2017-01-06'])

我希望输出如下：

2017-01-04  -16.45%
2017-01-05  -17.10%
2017-01-05    0.00% 

---

编辑：从@Pablo C的正确答案开始：鉴于OP对数据帧的定义，我们首先需要将索引转换为

日期时间索引

，否则@Pablo C的答案将抛出

未实现错误：类型索引不支持

import pandas as pd

list=[]
list=[[7.71],[7.79],[6.80],[6.44],[6.46],[6.80]]
df = pd.DataFrame(list, columns=['index'], index=['2016-01-04','2016-01-05','2016-01-06','2017-01-04','2017-01-05','2017-01-06'])

df.index = pd.to_datetime(df.index)

do = pd.DateOffset(years = 1)
df.pct_change(freq = do).dropna().mul(100)


#               index
# 2017-01-04    -16.472114
# 2017-01-05    -17.073171
# 2017-01-06    0.000000

---

第一，一些建议：

不要使用

list

作为列表名，因为这样会覆盖内置的

列表

不要使用

index

作为列名，因为在

index

中包含行标识。此外，由于可以使用

df.column\u name

访问列，因此可能会造成混淆，但在这种情况下，这是不可能的，因为

df.index

包含数据帧索引

确保在创建日期时间索引时使用

现在，您可以与对象一起使用：

输出

                index
2017-01-04 -16.472114
2017-01-05 -17.073171
2017-01-06   0.000000

do = pd.DateOffset(years = 1)
df.pct_change(freq = do).dropna().mul(100)

                index
2017-01-04 -16.472114
2017-01-05 -17.073171
2017-01-06   0.000000