Python Pandas dataframe.pct |
您所在的位置：网站首页 › chg什么意思中文翻译 › Python Pandas dataframe.pct |
Python Pandas dataframe.pct
|
Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。 Pandas dataframe.pct_change()函数计算当前元素与先前元素之间的百分比变化。默认情况下，此函数计算前一行的百分比变化。 注意：此函数在时间序列数据中最有用。 用法： DataFrame.pct_change(periods=1, fill_method=’pad’, limit=None, freq=None, **kwargs)参数： periods:形成百分比变化所需的时间。 fill_method:在计算百分比变化之前如何处理资产净值。 limit:停止前要填充的连续NA数 freq:时间序列API中使用的增量(例如“ M”或BDay())。 **kwargs:其他关键字参数将传递到DataFrame.shift或Series.shift中。 返回：与调用对象的类型相同。 范例1：采用pct_change()函数以查找时间序列数据中的百分比变化。 # importing pandas as pd import pandas as pd # Creating the time-series index ind = pd.date_range('01/01/2000', periods = 6, freq ='W') # Creating the dataframe df = pd.DataFrame({"A":[14, 4, 5, 4, 1, 55], "B":[5, 2, 54, 3, 2, 32], "C":[20, 20, 7, 21, 8, 5], "D":[14, 3, 6, 2, 6, 4]}, index = ind) # Print the dataframe df
让我们使用dataframe.pct_change()函数以查找数据中的百分比变化。 # find the percentage change with the previous row df.pct_change()输出：
范例2：采用pct_change()函数来查找还具有NaN值。 # importing pandas as pd import pandas as pd # Creating the time-series index ind = pd.date_range('01/01/2000', periods = 6, freq ='W') # Creating the dataframe df = pd.DataFrame({"A":[14, 4, 5, 4, 1, 55], "B":[5, 2, None, 3, 2, 32], "C":[20, 20, 7, 21, 8, None], "D":[14, None, 6, 2, 6, 4]}, index = ind) # apply the pct_change() method # we use the forward fill method to # fill the missing values in the dataframe df.pct_change(fill_method ='ffill')输出：
第一行包含NaN值，因为没有上一行可以从中计算更改。所有NaN DataFrame 中的值已使用填充ffill方法。
|
第一行包含NaN值，因为没有上一行可以从中计算更改。
【本文地址】
今日新闻 |
推荐新闻 |