Python pandas 计算每行增长率与累计增长率

数据读取与预处理

首先，需要读取包含股票数据的数据集。以 Facebook 2017年的股票数据为例，使用 pandas 的 read_excel 函数从指定路径加载 Excel 文件，并将 'Date' 列设置为索引列。加载完成后，可以使用 tail() 方法查看数据末尾的部分记录，以确认数据读取是否正确。

FacebookDf=pd.read_excel(r'D:\jupyter\Untitled Folder\Facebook2017年股票数据.xlsx',index_col='Date')
FacebookDf.tail()

计算逐行环比增长率

接下来，计算每一行相对于上一行的增长率（即环比增长率）。利用 pandas 提供的 pct_change() 方法，传入参数 1 来计算当前行与前一行数值的百分比变化。由于第一行数据没有前一行可供比较，该方法会返回 NaN（空值），因此需要使用 fillna(0) 将其填充为 0。最后，通过 apply 函数结合 lambda 表达式，将计算结果格式化为保留两位小数的百分数形式，并保存到新列 'pct_change' 中。

# .pct_change()返回变化百分比，第一行因没有可对比的，返回Nan，填充为0
# apply(lambda x: format(x, '.2%'))将小数点转换为百分数
FacebookDf['pct_change']=FacebookDf['Close'].pct_change(1).fillna(0).apply(lambda x: format(x, '.2%'))
FacebookDf['pct_change'].head()

计算累计增长率

随后，计算每一行相对于起始日期（第一行）的累计增长率。首先提取起始日期的收盘价作为基准值 Close1。然后，对 'Close' 列应用自定义函数，计算每个收盘价与基准值的差值除以基准值，得到累计增长比例。同样地，使用 apply 函数将结果格式化为两位小数的百分数，并保存到新列 'sum_pct_change' 中，以便查看从起始日到当前日的总增长情况。

Close1=FacebookDf.loc['2017-01-03','Close']
# apply(lambda x: (x-Close1)/Close1)计算累计增长率
# apply(lambda x: format(x, '.2%') 将小数点转换为百分数
FacebookDf['sum_pct_change']=FacebookDf['Close'].apply(lambda x: (x-Close1)/Close1).apply(lambda x: format(x, '.2%'))
FacebookDf['sum_pct_change'].head()

至此，完成了使用 Python pandas 计算每行增长率与累计增长率的演示。更多相关 pandas 计算增长率的内容，请参考本站以往的文章或继续浏览后续相关文章。感谢大家的支持！