pandas 环比同比

在数据分析中，"环比"和"同比"是常用的统计指标，特别在时间序列分析中非常重要。下面简单解释一下这两个概念：
- 环比（MoM，Month-over-Month）：指的是与上一个时间点相比的增长或变化情况。通常用于比较相邻两个月的数据变化。
- 同比（YoY，Year-over-Year）：指的是与去年同期相比的增长或变化情况。通常用于比较同一月份在不同年份之间的数据变化。

在使用 pandas 进行数据分析时，可以通过计算差异或百分比来计算环比和同比。下面是一些示例代码：

计算环比：

# 计算月度变化
df['MoM'] = df['某列'].pct_change()

# 计算百分比变化
df['MoM_%'] = df['某列'].pct_change() * 100

计算同比：

# 计算年度变化
df['YoY'] = df['某列'] - df['某列'].shift(12)

# 计算百分比变化
df['YoY_%'] = (df['某列'] - df['某列'].shift(12)) / df['某列'].shift(12) * 100

以上代码示例中，`df` 是一个 pandas DataFrame 对象，`某列` 是 DataFrame 中的某一列数据。通过 `pct_change` 方法计算出变化率，通过 `shift` 方法将数据向前移动12个月，从而实现同比计算。

希望以上解释和示例代码对你有所帮助！如果有任何进一步的问题，请随时提问。

相关问题

根据日月年维度，计算出环比同比的工具类

可以使用Python中的pandas库来计算环比和同比，具体步骤如下：

1. 读取数据并转换成pandas的DataFrame格式
2. 对DataFrame进行处理，例如按照日期进行排序
3. 计算环比和同比，可以使用pandas的shift函数来实现，例如环比可以使用以下公式：(当前月份的数据 - 上一个月份的数据) / 上一个月份的数据，同理可以计算同比
4. 输出结果

以下是一个简单的示例代码：

import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 转换成DataFrame格式并按照日期排序
df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values('date')

# 计算环比和同比
df['month_on_month'] = (df['value'] - df['value'].shift(1)) / df['value'].shift(1)
df['year_on_year'] = (df['value'] - df['value'].shift(12)) / df['value'].shift(12)

# 输出结果
print(df)

其中，data.csv是包含日期和对应数值的数据文件。

建立DataFrame对象对下列数据进行存储，并完成以下统计功能:①统计出北京市的所有数据;②统计出所有“同比”大于130的城市的所有数据;③统计出所有“同比”大于120且“环比”大于101.3的城市的名字。 2016年7月部分大中城市新建住宅价格指数 城市 环比 同比 定基 北京 101.5 120.7 121.4 上海 101.2 127.3 127.8 广州 101.3 119.4 120.0 深圳 102.0 140.9 145.5 沈阳 100.1 101.4 101.6

可以使用pandas库中的DataFrame对象来存储上述数据，并完成统计功能。首先，需要先导入pandas库。

import pandas as pd

然后，可以创建一个DataFrame对象，将数据存储其中。

data = {'城市': ['北京', '上海', '广州', '深圳', '沈阳'],
        '环比': [101.5, 101.2, 101.3, 102.0, 100.1],
        '同比': [120.7, 127.3, 119.4, 140.9, 101.4],
        '定基': [121.4, 127.8, 120.0, 145.5, 101.6]}
df = pd.DataFrame(data)

完成数据存储后，就可以进行统计工作了。

①统计出北京市的所有数据

可以使用loc函数来定位到“城市”列中为“北京”的行，然后输出该行的所有数据。

beijing = df.loc[df['城市'] == '北京']
print(beijing)

输出结果为：

   城市     环比     同比     定基
0  北京  101.5  120.7  121.4

②统计出所有“同比”大于130的城市的所有数据

可以使用loc函数来定位到“同比”列中大于130的行，然后输出这些行的所有数据。

high_tb = df.loc[df['同比'] > 130]
print(high_tb)

输出结果为：

   城市     环比     同比     定基
3  深圳  102.0  140.9  145.5

③统计出所有“同比”大于120且“环比”大于101.3的城市的名字。

可以使用loc函数来定位到“同比”列中大于120且“环比”列中大于101.3的行，然后输出这些行的“城市”列数据。

high_tb_hb = df.loc[(df['同比'] > 120) & (df['环比'] > 101.3)]
print(high_tb_hb['城市'])

输出结果为：

1    上海
2    广州
3    深圳
Name: 城市, dtype: object