目录
统计表中常常以本年累计、上年同期(累计)、当期(例如当月)完成、上月完成为统计数据,并进行同比、环比分析。
如下月报统计表所示样例,本文将使用Python Pandas工具进行统计。
其中:
- (本年)累计:是指本年1月到截止月份的合计数
- (上年)同期(累计):是指去年1月到与本年累计所对应截止月份的合计数
- 同比(增长率)=(本期数-同期数)/同期数*100%
- 环比(增长率)=(本期数-上期数)/上期数*100%
注:这里的本期是指本月完成或当月完成,上期数是指上月完成。
示例数据:
注:为了演示方便,本案例数据源仅使用2年,且每年5个月的数据。
1.(本年)累计
在做统计分析开发中,按年度、按月累计某些统计数据,是比较常见的需求。对于数据来说,就是按规则逐行累加数据。
Pandas中的cumsum()函数可以实现按某时间维度累计需求。
# 取本年累计值 import pandas as pd df = pd.read_csv(\'data2021.csv\') cum_columns_name = [\'cum_churncount\',\'cum_newcount\'] df[cum_columns_name] = df[[\'years\',\'churncount\',\'newcount\']].groupby([\'years\']).cumsum()
注:其中分组‘years’是指年度时间维度累计。
计算结果如下:
2.(上年)同期累计
对于(上年)同期累计,将直接取上一年度累计值的同月份数据。pandas DataFrame.shift()函数可以把数据移动指定的行数。
接续上列,读取同期数据。首先是把‘yearmonth’上移五行,如上图所示得到新的DataFrame,通过‘yearmonth’进行两表数据关联(左关联:左侧为原表,右侧为移动后的新表),实现去同期数据效果。
cum_columns_dict = {\'cum_churncount\':\'cum_same_period_churncount\', \'cum_newcount\':\'cum_same_period_newcount\'} df_cum_same_period = df[[\'cum_churncount\',\'cum_newcount\',\'yearmonth\']].copy() df_cum_same_period = df_cum_same_period.rename(columns=cum_columns_dict) #df_cum_same_period.loc[:,\'yearmonth\'] = df_cum_same_period[\'yearmonth\'].shift(-12) # 一年12个月 df_cum_same_period.loc[:,\'yearmonth\'] = df_cum_same_period[\'yearmonth\'].shift(-5) # 由于只取5个月数据的原因 df = pd.merge(left=df,right=df_cum_same_period,on=\'yearmonth\',how=\'left\')
3. 上月(完成)
取上月的数据,使用pandas DataFrame.shift()函数把数据移动指定的行数。
接续上列,读取上期数据。(与取同期原理一样,略)
last_mnoth_columns_dict = {\'churncount\':\'last_month_churncount\', \'newcount\':\'last_month_newcount\'} df_last_month = df[[\'churncount\',\'newcount\',\'yearmonth\']].copy() df_last_month = df_last_month.rename(columns=last_mnoth_columns_dict) df_last_month.loc[:,\'yearmonth\'] = df_last_month[\'yearmonth\'].shift(-1) # 移动一行 df = pd.merge(left=df,right=df_last_month,on=\'yearmonth\',how=\'left\')
4. 同比(增长率)
计算同比涉及到除法,需要剔除除数为零的数据。
df.fillna(0,inplace=True) # 空值填充为0 # 计算同比 df.loc[df[\'cum_same_period_churncount\']!=0,\'cum_churncount_rat\'] = (df[\'cum_churncount\']-df[\'cum_same_period_churncount\'])/df[\'cum_same_period_churncount\'] # 除数不能为零 df.loc[df[\'cum_same_period_newcount\']!=0,\'cum_newcount_rat\'] = (df[\'cum_newcount\']-df[\'cum_same_period_newcount\'])/df[\'cum_same_period_newcount\'] # 除数不能为零 df[[\'yearmonth\',\'cum_churncount\',\'cum_newcount\',\'cum_same_period_churncount\',\'cum_same_period_newcount\',\'cum_churncount_rat\',\'cum_newcount_rat\']]
5. 环比(增长率)
# 计算环比 df.loc[df[\'last_month_churncount\']!=0,\'churncount_rat\'] = (df[\'churncount\']-df[\'last_month_churncount\'])/df[\'last_month_churncount\'] # 除数不能为零 df.loc[df[\'last_month_newcount\']!=0,\'newcount_rat\'] = (df[\'newcount\']-df[\'last_month_newcount\'])/df[\'last_month_newcount\'] # 除数不能为零 df[[\'yearmonth\',\'churncount\',\'newcount\',\'last_month_churncount\',\'last_month_newcount\',\'churncount_rat\',\'newcount_rat\']]
6. 总结
pandas做统计计算功能方法比较多,这里总结用到的技术有累计cumsum()函数、移动数据shift()函数、表合并关联merge()函数,以及通过loc条件修改数据。
以上为个人经验,希望能给大家一个参考,也希望大家多多支持。
© 版权声明
THE END
暂无评论内容