本文介绍: 熟练掌握.pct_change()方法,可以让我们在分析数据变化趋势和研究股价时序数据时高效地计算相邻行的百分比变化。这是描述和理解数据变动的关键指标之一。方法计算DataFrame或Series中相邻两行的百分比变化。可以看到,第一行为NaN,表示无法计算。在pandas中,可以使用。
在pandas中,可以使用.pct_change()方法计算DataFrame或Series中相邻两行的百分比变化。
df.pct_change(periods=1)
col1 col2 col3
0 1 4 7
1 3 5 8
2 2 6 9
计算相邻两行的百分比变化:
df.pct_change()
col1 col2 col3
0 NaN NaN NaN
1 1.00 0.25 0.14
2 -0.33 0.20 0.125
df.pct_change(periods=2)
col1 col2 col3
0 NaN NaN NaN
1 1.00 0.25 0.14
2 -0.33 -0.17 -0.111
s = pd.Series([1, 3, 2])
s.pct_change()
# 0 NaN
# 1 2.0
# 2 -0.333
# dtype: float64
熟练掌握.pct_change()方法,可以让我们在分析数据变化趋势和研究股价时序数据时高效地计算相邻行的百分比变化。这是描述和理解数据变动的关键指标之一。
原文地址:https://blog.csdn.net/galoiszhou/article/details/130521075
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_20134.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
