Pandas pct_change用法

**pct_change() 是 Pandas 中的一个函数，用于计算数据的变化率（百分比变化）。**它通常用于时间序列数据中，计算当前值与前一值之间的百分比变化。

1. 函数定义

DataFrame.pct_change(periods=1, fill_method='pad', limit=None, freq=None)

参数说明：

periods：计算变化率的时间间隔，默认为 1，表示当前值与前一值之间的变化率。

fill_method：如何处理缺失值（NaN），默认为 'pad'，表示用前一个值填充缺失值。

limit：填充缺失值的最大数量。

freq：用于时间序列的频率字符串（如 'D' 表示天，'M' 表示月）。

2. 功能

pct_change() 计算当前值与前一值之间的百分比变化，公式为：

3. 示例

示例 1：基本用法
python
复制
import pandas as pd

# 创建一个包含价格数据的 DataFrame
data = {
    '日期': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04'],
    '收盘价': [100, 105, 102, 108]
}

df = pd.DataFrame(data)
df['涨跌幅'] = df['收盘价'].pct_change()  # 计算涨跌幅
print(df)

输出：

示例 2：指定时间间隔
python

df['涨跌幅'] = df['收盘价'].pct_change(periods=2)  # 计算与前两行的变化率
print(df)

示例 3：处理缺失值

# 创建一个包含缺失值的 DataFrame
data = {
    '日期': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04'],
    '收盘价': [100, None, 102, 108]
}

df = pd.DataFrame(data)
df['涨跌幅'] = df['收盘价'].pct_change(fill_method='ffill')  # 用前一个值填充缺失值
print(df)

4. 应用场景

计算股票涨跌幅：用于计算每日、每周或每月的涨跌幅。

计算收益率：用于计算投资组合的收益率。

分析时间序列数据：用于分析时间序列数据的变化趋势。

5. 总结

pct_change() 用于计算数据的变化率（百分比变化）。

可以通过 periods 参数指定时间间隔。

可以通过 fill_method 参数处理缺失值。

适用于时间序列数据的分析和计算。