如何仅参考第一列计算 pandas 中的 pct_change

Question

我有一个数据框：

df = pd.DataFrame({
    "A": [1, 5, 2, 5, 6],
    "B": [-12, 23, 5, 22, 35],
    "C": [-32, 12, -10, 3, 2],
    "D": [2, 13, 6, 2, 8]
})

现在，我想计算

axis=1

的百分比变化，但仅参考所有列的

"A"

，例如

"B"

w.r.t

"A"

、

"C"

w.r.t

"A"

的百分比变化等等。

pct_change

函数执行类似的工作，但它计算我不想要的连续行或列的百分比变化。

现在我正在考虑通过可能的 for 循环并添加百分比或拆分数据帧（如

["A", "B"]

、

["A", "C"]

等）来实现此目的，然后分别将

pct_change

应用于所有数据帧。

我认为后一种方法更好，但问题是，

是否有更好的方法可以完成同样的工作？

Answer 1

您可以在pandas中使用divide函数，将所有列与列

A

分开

pct = df.divide(df["A"], axis="index") - 1
pct.head()

结果：

	A	B	C	D
0	0.0	-13.000000	-33.000000	1.000000
1	0.0	3.600000	1.400000	1.600000
2	0.0	1.500000	-6.000000	2.000000
3	0.0	3.400000	-0.400000	-0.600000
4	0.0	4.833333	-0.666667	0.333333

Answer 2

您可以模仿

pct_change

w.r.t.

A

轻松使用

DataFrame.sub

和

DataFrame.div

满足您的情况。

df.loc[:, 'B':].sub(df['A'], axis=0).div(df['A'], axis=0)

           B          C         D
0 -13.000000 -33.000000  1.000000
1   3.600000   1.400000  1.600000
2   1.500000  -6.000000  2.000000
3   3.400000  -0.400000 -0.600000
4   4.833333  -0.666667  0.333333

Answer 3

您可以使用 **kwargs 到

assign()

    "A": [1, 5, 2, 5, 6],
    "B": [-12, 23, 5, 22, 35],
    "C": [-32, 12, -10, 3, 2],
    "D": [2, 13, 6, 2, 8]
})

basecol = "A"
df.assign(**{f"{c}_pct":df[basecol]/df[c] for c in df.columns if c!=basecol})

	A	B	C	D	B_pct	C_pct	D_pct
0	1	-12	-32	2	-0.0833333	-0.03125	0.5
1	5	23	12	13	0.217391	0.416667	0.384615
2	2	5	-10	6	0.4	-0.2	0.333333
3	5	22	3	2	0.227273	1.66667	2.5
4	6	35	2	8	0.171429	3	0.75

Answer 4

我的看法是，你从数据框开始

df = pd.DataFrame({
"A": [1, 5, 2, 5, 6],
"B": [-12, 23, 5, 22, 35],
"C": [-32, 12, -10, 3, 2],
"D": [2, 13, 6, 2, 8]
})

然后将 apply 与 lambda 函数一起使用

df.iloc[:,1:].apply(lambda x: x.sub(df["A"]).div(df["A"]))
             B          C         D
  0     -13.000000  -33.000000  1.000000
  1     3.600000    1.400000    1.600000
  2     1.500000    -6.000000   2.000000
  3     3.400000    -0.400000   -0.600000
  4     4.833333    -0.666667   

这是以“A”栏为基础进行百分比变更。