pandas计算同比环比增长

计算同比环比增长

问题描述

我有2017.1-2018.12的销售数据，计算每一个月的 同比和环比增长，没有的话 用null代替

注释：

• 同比 和 环比 都是为了显示数据的变化速度，但是基数不同，同比侧重长期数据趋势变化，环比侧重于短期内数据趋势变化
• 同比是指在同一时期内的数据趋势变化，用于本期与同期的对比，例如本期2018-02月销售额与同期2017-02月销售额做对比。【（本期 - 同期）/ 同期】
• 环比是指在短时间内的数据趋势变化，用去本期与临近一起的对比，例如本期2018-02月销售额与上一期2018-01月销售额做对比。【（本期 - 临近一期）/ 临近一期】

数据准备

import pandas as pd
import random
rng = list(pd.date_range('1/1/2017', periods=24, freq='M')) #生成日期
mony = [random.randint(1000,9000) for i in range(0,24)] #随机生成销售额
data = pd.DataFrame({'rng':rng,'mony':mony}) #组成一个dataframe

计算环比增长

方法一：

for i in range(0,len(data)):
    if i == 0:
        data['huanbi'][i] = 'null'
    else:
        data['huanbi'][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

方法二：

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_1'] = data.mony.diff()

方法三：

使用pct_change()

data['huanbi_1'] = data.mony.pct_change()
data.fillna(0,inplace=True)

计算同比增长

使用一阶差分函数diff()

data['tongbi_shu'] = data.mony.diff(12)
data.fillna(0,inplace=True)
data['tongbi'] = data['tongbi_shu']/(data['mony'] - data['tongbi_shu'])
``

同比和环比计算公式

• 同比增长率=(本期数-同期数)÷同期数×100%
• 环比增长率=(本期数-上期数)/上期数×100%。

简单地说，就是同比、环比与定基比，都可以用百分数或倍数表示。

定基比发展速度，也简称总速度，一般是指报告期水平与某一固定时期水平之比，表明这种现象在较长时期内总的发展速度。

• 同比发展速度，一般指是指本期发展水平与上年同期发展水平对比，而达到的相对发展速度。
• 环比发展速度，一般是指报告期水平与前一时期水平之比，表明现象逐期的发展速度。同比和环比，这两者所反映的虽然都是变化速度，但由于采用基期的不同，其反映的内涵是完全不同的;

一般来说，环比可以与环比相比较，而不能拿同比与环比相比较;而对于同一个地方，考虑时间纵向上发展趋势的反映，则往往要把同比与环比放在一起进行对照。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。