Pandas常用累计、同比、环比等统计方法实践过程
作者：肖永威
这篇文章主要介绍了Pandas常用累计、同比、环比等统计方法实践过程，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
统计表中常常以本年累计、上年同期（累计）、当期（例如当月）完成、上月完成为统计数据，并进行同比、环比分析。
如下月报统计表所示样例，本文将使用Python Pandas工具进行统计。
其中：
- （本年）累计：是指本年1月到截止月份的合计数
- （上年）同期（累计）：是指去年1月到与本年累计所对应截止月份的合计数
- 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％
注：这里的本期是指本月完成或当月完成，上期数是指上月完成。
示例数据：
注：为了演示方便，本案例数据源仅使用2年，且每年5个月的数据。
1.（本年）累计
在做统计分析开发中，按年度、按月累计某些统计数据，是比较常见的需求。对于数据来说，就是按规则逐行累加数据。
Pandas中的cumsum()函数可以实现按某时间维度累计需求。
# 取本年累计值
import pandas as pd
df = pd.read_csv('data2021.csv')
cum_columns_name = ['cum_churncount','cum_newcount']
df[cum_columns_name] = df[['years','churncount','newcount']].groupby(['years']).cumsum()注：其中分组‘years’是指年度时间维度累计。
计算结果如下：
2.（上年）同期累计
对于（上年）同期累计，将直接取上一年度累计值的同月份数据。pandas DataFrame.shift()函数可以把数据移动指定的行数。
接续上列，读取同期数据。首先是把‘yearmonth’上移五行，如上图所示得到新的DataFrame，通过‘yearmonth’进行两表数据关联（左关联：左侧为原表，右侧为移动后的新表），实现去同期数据效果。
cum_columns_dict = {'cum_churncount':'cum_same_period_churncount',
'cum_newcount':'cum_same_period_newcount'}
df_cum_same_period = df[['cum_churncount','cum_newcount','yearmonth']].copy()
df_cum_same_period = df_cum_same_period.rename(columns=cum_columns_dict)
#df_cum_same_period.loc[:,'yearmonth'] = df_cum_same_period['yearmonth'].shift(-12) # 一年12个月
df_cum_same_period.loc[:,'yearmonth'] = df_cum_same_period['yearmonth'].shift(-5) # 由于只取5个月数据的原因
df = pd.merge(left=df,right=df_cum_same_period,on='yearmonth',how='left')
3. 上月（完成）
取上月的数据，使用pandas DataFrame.shift()函数把数据移动指定的行数。
接续上列，读取上期数据。（与取同期原理一样，略）
last_mnoth_columns_dict = {'churncount':'last_month_churncount',
'newcount':'last_month_newcount'}
df_last_month = df[['churncount','newcount','yearmonth']].copy()
df_last_month = df_last_month.rename(columns=last_mnoth_columns_dict)
df_last_month.loc[:,'yearmonth'] = df_last_month['yearmonth'].shift(-1) # 移动一行
df = pd.merge(left=df,right=df_last_month,on='yearmonth',how='left')
4. 同比（增长率）
计算同比涉及到除法，需要剔除除数为零的数据。
df.fillna(0,inplace=True) # 空值填充为0 # 计算同比 df.loc[df['cum_same_period_churncount']!=0,'cum_churncount_rat'] = (df['cum_churncount']-df['cum_same_period_churncount'])/df['cum_same_period_churncount'] # 除数不能为零 df.loc[df['cum_same_period_newcount']!=0,'cum_newcount_rat'] = (df['cum_newcount']-df['cum_same_period_newcount'])/df['cum_same_period_newcount'] # 除数不能为零 df[['yearmonth','cum_churncount','cum_newcount','cum_same_period_churncount','cum_same_period_newcount','cum_churncount_rat','cum_newcount_rat']]
5. 环比（增长率）
# 计算环比 df.loc[df['last_month_churncount']!=0,'churncount_rat'] = (df['churncount']-df['last_month_churncount'])/df['last_month_churncount'] # 除数不能为零 df.loc[df['last_month_newcount']!=0,'newcount_rat'] = (df['newcount']-df['last_month_newcount'])/df['last_month_newcount'] # 除数不能为零 df[['yearmonth','churncount','newcount','last_month_churncount','last_month_newcount','churncount_rat','newcount_rat']]
6. 总结
pandas做统计计算功能方法比较多，这里总结用到的技术有累计cumsum()函数、移动数据shift()函数、表合并关联merge()函数，以及通过loc条件修改数据。
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脚本之家。