计算平均Yoy百分比变化-pandas DataFrame

Question

我有一个带有每月观察结果的熊猫数据框架。我想计算几个指标 - 妈妈和Yoy PCT的更改。

import pandas as pd
import numpy as np

df = pd.DataFrame({
                   'c': ['A','A','A','B','B','B','C','C'],
                   'z': [1, 2, 3, 4, 5, 6, 7, 8],
                   '2018-01': [10, 12, 14, 16, 18, 20, 22, 24],
                   '2018-02': [12, 14, 16, 18, 20, 22, 24, 26],
                   '2019-01': [8, 10, 12, 14, 16, 18, 20, 22],
                   '2019-02': [10, 12, 14, 16, 18, 20, 22, 24]
                 })

对于c中的每个z，我想计算MOM和yoy更改百分比。这将是pct在月份列的观察值和年中的总百分比变化之间的不同。

我正在寻找可以在几个月的专栏和年度中推广的解决方案。

预期输出：

c  z  2018-01 2018-02 2019-01 2019-02 Avg_YoY_pct

A  1    10                              -18.18
A  2    12
A  3    14
B  4    .............................
B  5
B  6
C  7
C  8

avg_yoy_pct计算为百分比年度所有月度值的总和之间的差异。

Answer 1

感谢您很好地提供示例输入。这是一种首先将桌子融化为长形式的方法，然后终止一个集体比以每月的平均年龄，然后在所有月份获得平均年龄。我认为，更多的月和几年列

#melt the wide table into a long table
long_df = df.melt(
    id_vars=['c','z'],
    var_name='date',
    value_name='val',
)

#extract the year and month from the date column
long_df[['year','month']] = long_df['date'].str.split('-', expand=True)
long_df['year'] = long_df['year'].astype(int)
long_df['month'] = long_df['month'].astype(int)

#group by c/z/month and shift to get avg yoy for each month
avg_month_yoy = long_df.groupby(['c','z','month'])['val'].apply(
    lambda v: v.sub(v.shift(1)).div(v.shift(1)).multiply(100).mean()
).reset_index()

#group by just c/z to get avg yoy over all months
avg_yoy = avg_month_yoy.groupby(['c','z'])['val'].mean()

#Add the avg_yoy back into the original table
df = df.set_index(['c','z'])
df['Avg_YoY_pct'] = avg_yoy
df = df.reset_index()

print(df)

输出