Python中Pandas如何计算年度同比增长_利用shift函数实现跨期对比-Python教程-PHP中文网

用shift()计算同比需先确保时间索引为排序的datetimeindex，月度数据用shift(12)，并处理缺失值与除零；pct_change(12)是其封装，但手动shift更易干预。

python中pandas如何计算年度同比增长_利用shift函数实现跨期对比

用 `shift()` 计算同比：核心是错位对齐两期数据

年度同比增长本质就是当前期（如2024年3月）和去年同期（2023年3月）的比值变化。Pandas里最直接的方式不是写循环，而是用 shift() 把整列数据向下移动12行（月度数据）或1行（年度汇总），让“今年”和“去年”自动对齐到同一行再计算。

关键点在于：对齐必须基于时间索引且已排序。如果 df.index 是 DatetimeIndex 且按升序排列，df['value'].shift(12) 就会把2023-03-01的值挪到2024-03-01这一行——前提是数据是规则月频（如每月1号）。若存在缺失月份或非标准频率，shift(12) 会按行数硬移，可能错配。

月度数据：用 shift(12)，但需确认数据无断点（可用 df.asfreq('MS') 补齐）
季度数据：用 shift(4)（假设是Q-DEC等标准季频）
年度数据：直接 shift(1)
若索引是字符串（如'2024-03'），先转成 DatetimeIndex 再 sort_index()

避免常见错误：`shift()` 后除零、NaN 和时序错位

直接写 (df['sales'] / df['sales'].shift(12) - 1) * 100 很容易报错或出怪数。原因有三：一是前12行 shift(12) 返回 NaN，导致同比结果全为 NaN；二是分母为0（比如去年某月销量为0）；三是未处理缺失月份导致错位（例如2023年2月缺数，那2024年2月的同比实际对的是2023年1月）。

加 .dropna() 或用 pd.Series.div(..., fill_value=None) 控制除零行为
用 df['sales'].replace(0, pd.NA) 预先把0转为缺失，避免除零警告
更稳妥的做法：先用 df.resample('MS').sum().fillna(0) 统一重采样，再 shift(12)
检查对齐效果：打印 df[['sales', 'sales_last_year']].head(15) 看是否真对应了同月

替代方案：`diff()` 和 `pct_change()` 的适用边界

pct_change(periods=12) 看起来更简洁，但它底层也是调用 shift()，只是封装了一层。区别在于：pct_change() 默认忽略缺失值做除法，而手动写 shift() 更易干预中间步骤（比如加条件过滤、替换分母）。

python-script-generator

快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。

下载

df['sales'].pct_change(12) ≈ (df['sales'] / df['sales'].shift(12) - 1)，但前者对除零返回 NaN，后者抛异常（取决于环境）
diff(12) 只算绝对差值，不能直接得“%”，但适合看增量稳定性
若需滚动同比（如最近12个月 vs 上一个12个月），得用 rolling(24).sum() 拆解，不能只靠 shift()

真实场景示例：带月份标签的销售表计算同比

假设你有月度销售表 df，索引是 DatetimeIndex，列是 'sales'：

df = df.sort_index()  # 必须确保升序
df['sales_ly'] = df['sales'].shift(12)
df['yoy_pct'] = (df['sales'] / df['sales_ly'] - 1) * 100
df['yoy_pct'] = df['yoy_pct'].where(df['sales_ly'] != 0)  # 分母为0则置空

注意：这里没用 fillna(0) 去补 sales_ly，因为补0会导致同比变成无穷大；保留 NaN 反而更真实——表示“无可比同期数据”。真正上线时，常需配合 df.loc[df.index >= '2023-01-01', 'yoy_pct'] 截断首年无效值。

最易被忽略的是时间索引的完整性。哪怕只缺一个月，shift(12) 就会整体偏移——这不是函数问题，是数据前提没满足。