中國專業(yè)IT外包服務

加入收藏??

公司微博

網站地圖??

IT外包價格計算器

您當前位置：主頁 > 資訊動態(tài) > IT知識庫 >

北京IT外包服務商帶您了解環(huán)比增長率

2020-04-24 13:59 作者：艾銻無限瀏覽量：

北京IT外包服務商帶您了解環(huán)比增長率

很多企業(yè)比較注重自己的業(yè)務增長情況，時常會需要計算同比增長率和環(huán)比增長率。從上學的時候就有很多小伙伴搞不清楚這兩個增長率之間的區(qū)別，這里簡單直白的解釋一下：

同比增長率從名字上就比較容易理解，指的是同期相比增長情況如何，比如今年一季度和去年一季度相比業(yè)務增長情況就可以用同比增長率來衡量，具體的計算公式為(今年一季度數據 - 去年一季度數據)/去年一季度數據。這里的季度只是舉例用的，月份，周甚至天都可以作周期;

環(huán)比增長率的名字可能沒有那么直觀，它指的是這一個周期與上一個周期相比增長情Python如何計算環(huán)比增長率

況如何，比如第三季度和第二季度相比，業(yè)務增長情況就可以用環(huán)比增長率來衡量，具體計算公式為(第二季度數據 - 第一季度數據)/第一季度數據。當然這里的季度也只是舉例用的，月份，周甚至天也都可以作周期。

根據具體表格情況計算環(huán)比增長率

我們不能確保每次拿到的數據都是類似的格式，對不同格式的數據在計算環(huán)比增長率的時候，會有一些小差別。

計算環(huán)比增長率情況一

首先看一下數據集長什么樣子：

這是一種形式的表格，不同的年份，不同產品的銷售額，對這樣一種形式的數據計算環(huán)比增長率，是比較簡單的一種形式，不需要提前對數據做過多的整理。

這里需要注意的是，我們希望能夠保留年份信息，而用來計算的函數會把表格中所有數值型數據都進行環(huán)比運算，所以需要提前將年份信息轉化成索引：

df1 = df.set_index("year") #為了不改變原數據，將充值索引后的數據賦值給df1df1 #查看修改索引后的數據集

修改索引后的表可以直接進行計算了：

df1.pct_change() #pct_change()方法計算當前元素與先前元素之間的百分比變化

輸出結果：

這樣計算的就是每一年和前一年相比的一個環(huán)比增長率，當然實際工作中一般不會保留這么多位小數，需要處理一下：

round(df1.pct_change(),4) #保留四位小數，由于增長率一般是百分數，所以這里保留4位小數

輸出結果：

這樣基本就是常見的環(huán)比增長率了。

計算環(huán)比增長率情況二

來看另一種樣子的數據集：

這一種數據集明顯比上一個數據集復雜了一點，而且這是整個數據集的前十行，下邊我們簡單探索下這個數據集：

首先一目了然，一共有三列，分別是產品ID，年份，銷售金額;

然后需要探索一共有多少個產品ID，即一共有幾種產品，還有一共是幾年的數據：

data.ID.unique() #產看有幾種產品ID

輸出結果：

array(['001', '002', '003', '004', '005', '006'], dtype=object)

一共有6種產品

data.year.unique() #查看一共有幾年數據

輸出結果：

array(['2016', '2017', '2018', '2019'], dtype=object)

一共有4年的數據。

那么這種數據要怎樣計算環(huán)比增長率呢?

有兩種方法，一種是將原數據集轉化成第一種數據集情況的樣子，第二種是不改變原數據集計算環(huán)比增長率

先看方法一

通過數據透視的方法，將原數據進行加工：

data1 = data.pivot(index = "ID",columns="year",values="amount" )data1 #為了不改變原數據，將數據透視后的結果賦值給data1

輸出結果：

這里的行索引和列名可以進行互換，在data.pivot()的參數中進行設置就可以，雖然和第一種情況類似，但是仔細觀察又發(fā)現了不同，第一種情況數據集的行索引是年份，這份數據中行索引是產品ID，其實這個是沒有影響的，計算環(huán)比增長率的方法中有參數可以解決這種情況：

data1.pct_change(axis='columns') #只需要設置一下軸信息就可以改變運算方向

輸出結果：

橫向排列的就是每一個產品每一年的環(huán)比增長率，接下來，看另一種不對數據進行處理的方法。

再看方法二

由于一共是四年數據，規(guī)律明顯，所以運用循環(huán)的方法計算環(huán)比增長率：

s = pd.Series() #新建一個空series用來放置計算結果for i in data["ID"].unique(): #行索引是產品ID，所以有多少種商品，就循環(huán)多少次 data_new = data[data["ID"]==i] #將相同產品的數據提取出來 s = pd.concat([s,data_new["amount"].pct_change()]) #計算一種產品的環(huán)比增長率，并價格計算出的記過拼接到series中s #查看最終結果

輸出結果：

0 NaN1 -0.4793802 2.4026893 -0.2839624 NaN5 0.3867616 -0.1659267 -0.6011668 NaN9 0.09165510 -0.77360811 0.72302812 NaN13 -0.24101814 0.53450415 0.20014516 NaN17 0.03589918 -0.09147119 0.32854320 NaN21 -0.26149122 0.32679423 -0.903687dtype: float64

得出這個結果后，可以把結果作為一個新列添加到原表當中，方便對比查看：

data["growth rate"]=round(s,4)data.head(10) #由于數據集比較長，只查看前十行

輸出結果：

另一個常用參數periods

艾銻無限科技專業(yè)：IT外包、企業(yè)外包、北京IT外包、桌面運維、弱電工程、網站開發(fā)、wifi覆蓋方案,網絡外包,網絡管理服務,網管外包,綜合布線,服務器運維服務,中小企業(yè)it外包服務,服務器維保公司,硬件運維,網站運維服務

官方文檔中對這個參數的解釋是這樣的：形成百分比變化所需的時間。用直白的話解釋就是進行環(huán)比運算的周期，比如上邊所有的計算都是下一個周期和上一個周期進行的環(huán)比增長，也可計算諸如第三期與第一期相比的環(huán)比增長，只需要設置periods=2，就可以實現這樣的需求：

df1.pct_change(periods=2)#用第一個數據集為例，查看這個參數的效果

輸出結果：