pandas nat_Pandas实现计算同比、环比

各位小伙伴，在数据分析中，我们会经常用到同比、环比。那么学习了python以后，如何来通过Python Pandas来计算呢？这里废话不多说，直接上干货-代码！

第一步：生成测试数据

#生成测试数据
import pandas as pd
import random

date_M = list(pd.date_range('1/1/2019', periods=24, freq='M')) #生成日期
mony = [random.randint(18000,20000) for i in range(0,24)] #随机生成销售额
data = pd.DataFrame({'date_M':date_M,'mony':mony}) #构建一个dataframe

第二步：计算环比增长

这里有三个方法，我们逐一介绍。

----------------------------------------------------------
#方法1
----------------------------------------------------------
'''
 #升序排列-按照日期
data.sort_values(by=['date_M'],inplace=True)

 #新增列 -'huanbi' 环比的意思
data['huanbi_01']=0

#计算环比列数值
for i in range(0,len(data)):
    if i == 0:
        data['huanbi_01'][i] = 'null'
    else:
        data['huanbi_01'][i] = format((data['mony'][i] - data['mony'][i-1])/data['mony'][i-1],'.2%')
        #format(res,'.2%') 小数格式化为百分数
'''
----------------------------------------------------------
#方法2:
使用diff（periods=1, axis=0)） 一阶差分函数
periods：移动的幅度 默认值为1
axis:移动的方向，{0 or ‘index’, 1 or ‘columns’}，如果为0或者’index’，则上下移动，如果为1或者’columns’，则左右移动。默认列向移动
----------------------------------------------------------
'''
data['huanbi_02'] = data['mony']/(data['mony']-data['mony'].diff())-1

data.fillna(0,inplace=True) #Null值填充

'''
----------------------------------------------------------
#方法3:
使用pct_change()
----------------------------------------------------------
'''
data['huanbi_03'] = data.mony.pct_change()

data.fillna(0,inplace=True) #Null值填充

环比输出图如下所示（其中huanbi_01,huanbi_02,huanbi_03,分别代表三个方法输出的结果）：

第三步：计算同比增长

'''
----------------------------------------------------------
使用一阶差分函数diff()
----------------------------------------------------------
'''
data['tongbi_data'] = data.mony.diff(12) #按月同比，12正好是12个月。
data.fillna(0,inplace=True)
data['tongbi_01'] = data['tongbi_data']/(data['mony'] - data['tongbi_data'])

结果如下所示：

注：由于数据是随机生成，小伙伴在运行程序的时候，结果会有所不同。