怎样在Python Pandas中使用shift计算环比和同比增幅？-Python教程-PHP中文网

用shift()计算环比/同比增幅需先按时间升序排序并重置索引，环比用shift(1)，同比依周期选shift(12)等；须转datetime索引以保障时间语义，配合div()或np.where处理nan和除零，避免链式赋值警告。

怎样在python pandas中使用shift计算环比和同比增幅？

用 `shift()` 计算环比增幅：注意时间顺序和缺失值

环比增幅 = (本期值 − 上期值) / 上期值，核心是把上期数据“错位”拉下来对齐。必须确保数据已按时间升序排列，否则 shift(1) 拉的不是上一期。shift() 默认向下移动（即当前行对应上一行），所以排序错误会导致结果完全颠倒。

常见错误现象：shift(1) 后第一行变成 NaN，直接参与除法会得 NaN；若原始数据有重复日期或未排序，同比/环比值会错配。

先执行 df.sort_values('date', inplace=True)，再重置索引（df.reset_index(drop=True, inplace=True)）避免索引干扰
计算时用 df['value'].shift(1) 获取上期值，不要用 df['value'].shift(-1)（那是下期）
用 df['value'].pct_change() 可一步替代手动计算，但底层仍是 shift() + 除法，且同样受排序影响

用 `shift()` 计算同比增幅：关键在周期参数和频率对齐

同比需要拉前一年同期数据，不是简单 shift(1)。具体数值取决于时间粒度：月度数据通常用 shift(12)，季度用 shift(4)，周度用 shift(52)。但前提是数据是规则采样、无缺失——如果某个月缺数，shift(12) 会跨到错误月份。

使用场景：财报月报、销售日报等固定周期数据。若原始 date 是字符串，必须先转为 datetime 并设为索引，否则 shift() 只按行数移，不感知时间语义。

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

正确做法：df['date'] = pd.to_datetime(df['date']) → df = df.set_index('date').sort_index() → 再用 shift(12)
若存在不规则间隔（如节假日跳空），优先考虑 resample('M').sum().pct_change(12) 或 asfreq('M') 插值对齐
shift(12) 对日频数据无效——它只数行，不识别“去年今天”，此时应改用 df.shift(freq='12M')（需索引为 DatetimeIndex）

处理 `NaN` 和除零：别让空值污染整列结果

shift() 必然在开头产生 NaN，而原始数据中可能有零值（如销售额为 0），直接做除法会触发 ZeroDivisionError 或产出 inf。Pandas 默认容忍 0 / 0 → NaN、1 / 0 → inf，但这在业务报表中不可接受。

安全计算环比： df['mom_growth'] = df['value'].div(df['value'].shift(1)).sub(1) 该写法中 div() 遇 NaN 或 0 自动返回 NaN，比 / 运算符更鲁棒
显式过滤零分母：prev = df['value'].shift(1); df['yoy_growth'] = np.where(prev != 0, (df['value'] - prev) / prev, np.nan)
业务上常要求“同比为 0 的月份，增幅显示为空”，此时直接保留 NaN 即可，后续用 .fillna('—') 格式化输出

性能与链式赋值警告：避免 `SettingWithCopyWarning`

直接写 df['growth'] = ... 在某些视图（view）场景下会触发警告，尤其当 df 来自 df.loc[...] 切片时。shift() 本身不改变原数据，但赋值操作可能意外写入副本。

始终用 df = df.copy() 显式复制后再计算，或确认 df._is_copy is None
避免链式写法：df.loc[:, 'growth'] = ... 比 df['growth'] = ... 更明确作用域
百万行以上数据慎用 pct_change(periods=12) —— 它内部也是 shift()，但封装层略慢于裸 shift() + 手动运算

实际中最容易被忽略的是时间索引的完整性：即使你写了 shift(12)，只要原始数据里 2023 年 2 月缺值，2024 年 2 月的同比就会拿 2023 年 1 月的数据来算。验证方法很简单——打印 df.index.freq，如果不是 'M' 或 'D' 等明确频率，就别信 shift(n) 的业务含义。