pandas举出10可以计算销售列增减的函数

以下是10个可以计算销售列增减的函数示例：

1. 计算同比增长率

import pandas as pd

data = {'year': [2018, 2019, 2020],
        'sales': [100, 120, 150]}

df = pd.DataFrame(data)

# 使用shift方法移动一年前的数据
df['last_year_sales'] = df['sales'].shift(1)

# 使用apply方法计算同比增长率
df['growth_rate'] = df.apply(lambda row: (row['sales'] - row['last_year_sales']) / row['last_year_sales'], axis=1)

# 打印结果
print(df)

2. 计算环比增长率

import pandas as pd

data = {'month': ['2021-01', '2021-02', '2021-03', '2021-04'],
        'sales': [100, 120, 150, 130]}

df = pd.DataFrame(data)

# 使用shift方法移动一个月前的数据
df['last_month_sales'] = df['sales'].shift(1)

# 使用apply方法计算环比增长率
df['growth_rate'] = df.apply(lambda row: (row['sales'] - row['last_month_sales']) / row['last_month_sales'], axis=1)

# 打印结果
print(df)

3. 计算绝对增长量

import pandas as pd

data = {'year': [2018, 2019, 2020],
        'sales': [100, 120, 150]}

df = pd.DataFrame(data)

# 使用shift方法移动一年前的数据
df['last_year_sales'] = df['sales'].shift(1)

# 计算绝对增长量
df['increase'] = df.apply(lambda row: row['sales'] - row['last_year_sales'], axis=1)

# 打印结果
print(df)

4. 计算增长率排名

import pandas as pd

data = {'month': ['2021-01', '2021-02', '2021-03', '2021-04'],
        'sales': [100, 120, 150, 130]}

df = pd.DataFrame(data)

# 使用shift方法移动一个月前的数据
df['last_month_sales'] = df['sales'].shift(1)

# 使用apply方法计算增长率
df['growth_rate'] = df.apply(lambda row: (row['sales'] - row['last_month_sales']) / row['last_month_sales'], axis=1)

# 计算增长率排名
df['rank'] = df['growth_rate'].rank(ascending=False)

# 打印结果
print(df)

5. 计算增长率的标准差

import pandas as pd

data = {'year': [2018, 2019, 2020],
        'sales': [100, 120, 150]}

df = pd.DataFrame(data)

# 使用shift方法移动一年前的数据
df['last_year_sales'] = df['sales'].shift(1)

# 使用apply方法计算同比增长率
df['growth_rate'] = df.apply(lambda row: (row['sales'] - row['last_year_sales']) / row['last_year_sales'], axis=1)

# 计算增长率的标准差
std = df['growth_rate'].std()

# 打印结果
print(std)

6. 计算增长率的平均值

import pandas as pd

data = {'year': [2018, 2019, 2020],
        'sales': [100, 120, 150]}

df = pd.DataFrame(data)

# 使用shift方法移动一年前的数据
df['last_year_sales'] = df['sales'].shift(1)

# 使用apply方法计算同比增长率
df['growth_rate'] = df.apply(lambda row: (row['sales'] - row['last_year_sales']) / row['last_year_sales'], axis=1)

# 计算增长率的平均值
mean = df['growth_rate'].mean()

# 打印结果
print(mean)

7. 计算增长率的中位数

import pandas as pd

data = {'year': [2018, 2019, 2020],
        'sales': [100, 120, 150]}

df = pd.DataFrame(data)

# 使用shift方法移动一年前的数据
df['last_year_sales'] = df['sales'].shift(1)

# 使用apply方法计算同比增长率
df['growth_rate'] = df.apply(lambda row: (row['sales'] - row['last_year_sales']) / row['last_year_sales'], axis=1)

# 计算增长率的中位数
median = df['growth_rate'].median()

# 打印结果
print(median)

8. 计算增长率的众数

import pandas as pd

data = {'year': [2018, 2019, 2020, 2021, 2022, 2023],
        'sales': [100, 120, 150, 200, 200, 200]}

df = pd.DataFrame(data)

# 使用shift方法移动一年前的数据
df['last_year_sales'] = df['sales'].shift(1)

# 使用apply方法计算同比增长率
df['growth_rate'] = df.apply(lambda row: (row['sales'] - row['last_year_sales']) / row['last_year_sales'], axis=1)

# 计算增长率的众数
mode = df['growth_rate'].mode().values[0]

# 打印结果
print(mode)

9. 计算增长率的偏度

import pandas as pd

data = {'year': [2018, 2019, 2020],
        'sales': [100, 120, 150]}

df = pd.DataFrame(data)

# 使用shift方法移动一年前的数据
df['last_year_sales'] = df['sales'].shift(1)

# 使用apply方法计算同比增长率
df['growth_rate'] = df.apply(lambda row: (row['sales'] - row['last_year_sales']) / row['last_year_sales'], axis=1)

# 计算增长率的偏度
skewness = df['growth_rate'].skew()

# 打印结果
print(skewness)

10. 计算增长率的峰度

import pandas as pd

data = {'year': [2018, 2019, 2020],
        'sales': [100, 120, 150]}

df = pd.DataFrame(data)

# 使用shift方法移动一年前的数据
df['last_year_sales'] = df['sales'].shift(1)

# 使用apply方法计算同比增长率
df['growth_rate'] = df.apply(lambda row: (row['sales'] - row['last_year_sales']) / row['last_year_sales'], axis=1)

# 计算增长率的峰度
kurtosis = df['growth_rate'].kurtosis()

# 打印结果
print(kurtosis)

这些示例函数可以帮助您计算销售列的增减，您可以根据需要进行修改和定制。