如何使用Python计算和追加基于平均增长的预测值？

Question

我对 Python 很陌生，但正在尝试对一些公司流程进行一些基本的自动化。

其中一个过程是基本预测，将数值平均增长添加到上个月的交易量中以获得下个月的预测。 然后迭代以获得更长期的观点。

我已经创建了：

• 我的数据框
• 我的latest_row变量拉出数据框中的最后一行
• 我的 numeric_avg_growth 变量用于计算数值平均增长

---

这基本上就是我想要创建的过程：

计算： latest_row['month'] + 1（获取下个月的数字） latest_row['volume'] + numeric_avg_growth

将上述计算作为一行附加到主数据帧（因此这将成为latest_row变量）

然后再次重复该过程

这意味着您不断添加到数据框并根据最近添加的内容进行计算。

---

我不知道如何运行一次循环，附加该结果，然后根据新附加的数字再次运行循环。

我确信这相当简单，但我无法弄清楚。任何帮助将非常感激！！

数据和代码示例：

#Creating dataframe 
data = [[2022, 1, 512116, NaN], [2022, 2, 524775, -1.73], 
[2022,3, 600017, 19.88]]

df = pd.DataFrame(data, columns=['year', 'month', 'volume', 
'volume_growth'])

#Creating average volume growth percentage variable
avg_vol_growth = df['volume_growth'].mean() 

#Creating average volume growth as integer variable
avg_vol_growth_int = np.sum(avg_vol_growth/100) 

#Variable that shows just the last row in the dataframe
latest_row = df.tail(1)

#Creating numerical average growth variable (vol)
#Calculated using (latest actual volume * average growth integer)/12 
numerical_avg_growth = np.sum(((latest_row['volume'])*avg_vol_growth_int)/12)

例如，我需要的结果是将第 4,5 和 6 个月的交易量添加到数据框中。 通过将 numeric_avg_growth 添加到上个月的交易量来计算。

例如 年月量 2022年1月512116 2022.2.524775 2022年3月600017 2022 年 4 月（600017 + numeric_avg_growth） 2022 年 5 月（第 4 个月成交量 + numeric_avg_growth） 2022 年 6 月（第 5 个月成交量 + numeric_avg_growth）

Answer 1

在创建数据帧之前考虑计算体积和 avg_growth 以获得更好的效率和性能。查看这篇有用的帖子：链接

import numpy as np

data = {
"year": [2022]*6, 
"month": [range(1, 7)], 
"volume": [512116, 524775, 600017], 
"volume_growth": [0, -1.73, 19.88]
} 
for i in range(4, 7):     
   avg_growth = np.mean(data["volume_growth"][1:])     
   data["volume"].append(data["volume"][-1] + avg_growth)     
   data["volume_growth"].append(data["volume"][-1] - data["volume"][-2])