使用Pandas计算历史同期值及变化率的通用方法

心靈之曲

发布时间：2025-10-18 12:25:17

616人浏览过

来源于php中文网

原创

使用Pandas计算历史同期值及变化率的通用方法

本文详细阐述了如何利用pandas库高效地计算dataframe中指定指标的历史同期值，并进一步分析其绝对变化量和百分比变化率。通过构建可复用的函数，我们能够灵活地获取任意前n个月的数据，并将其与当前数据进行合并，为时间序列分析提供强大的数据支持。

引言

在数据分析领域，特别是对时间序列数据进行分析时，经常需要将当前数据与历史同期数据进行比较，以评估增长、下降趋势或季节性影响。例如，我们可能需要将本月销售额与上月或去年同月销售额进行对比。Pandas的pct_change()方法虽然可以计算百分比变化，但它通常用于计算连续周期（如上一行）的变化，且直接获取精确的历史同期值并不直接。本教程将介绍一种基于pd.DateOffset和merge操作的通用方法，以精确获取任意历史周期的值及其变化。

核心思路

解决此问题的核心在于以下两步：

计算目标历史日期：对于DataFrame中的每一行，根据当前日期和所需回溯的月份数，计算出对应的历史日期。这可以通过pd.DateOffset轻松实现。
合并历史数据：将原始DataFrame与自身进行合并（自连接），使用当前日期的历史目标日期作为连接键，将历史数据（如指标值）引入当前行的上下文。

数据准备

首先，我们需要一个包含日期和相关指标的DataFrame。以下是一个示例数据集，我们将用它来演示。

import pandas as pd
import io

# 示例输入数据
INPUT_CSV = """
URL,Organic Keywords,Organic Traffic,Date
https://www.example-url.com/,1315,11345,20231115
https://www.example-url.com/,1183,5646,20231015
https://www.example-url.com/,869,5095,20230915
https://www.example-url.com/,925,4574,20230815
https://www.example-url.com/,899,4580,20230715
https://www.example-url.com/,1382,5720,20230615
https://www.example-url.com/,1171,5544,20230515
https://www.example-url.com/,1079,5041,20230415
https://www.example-url.com/,734,3855,20230315
https://www.example-url.com/,853,3455,20230215
https://www.example-url.com/,840,2343,20230115
https://www.example-url.com/,325,2318,20221215
https://www.example-url.com/,156,1981,20221115
https://www.example-url.com/,166,2059,20221015
https://www.example-url.com/,124124,1977,20220915
https://www.example-url.com/,98,1919,20220815
https://www.example-url.com/,167,1796,20220715
https://www.example-url.com/,140,1596,20220615
https://www.example-url.com/,168,1493,20220515
https://www.example-url.com/,171,1058,20220415
https://www.example-url.com/,141,1735,20220315
https://www.example-url.com/,129,1836,20220215
https://www.example-url.com/,141,746,20220115
https://www.example-url.com/,129,1076,20211215
"""

# 读取CSV数据
df = pd.read_csv(io.StringIO(INPUT_CSV))

# 定义常量，方便管理
INITIAL_COL_REORDER = ['URL', 'Date', 'Organic Keywords', 'Organic Traffic']
METRIC_COLS = ['Organic Keywords', 'Organic Traffic']
DIMENSION_COLS = ['URL'] # 如果有多个维度，可以添加
DATE_COL = 'Date'

# 预处理：重排、转换日期格式、按日期降序排序
df = df[INITIAL_COL_REORDER]
df[DATE_COL] = pd.to_datetime(df[DATE_COL], format='%Y%m%d')
df = df.sort_values(by=DATE_COL, ascending=False)

print("原始数据（部分）：")
print(df.head())

实现 get_last_period_values 函数

这个函数是核心，它接收DataFrame、回溯月份数以及指标和维度列，并返回一个包含历史同期值的新DataFrame。

def get_last_period_values(df, months_prior, metric_cols, dimension_cols, date_col):
    df_copy = df.copy() # 避免修改原始DataFrame

    # 1. 计算目标历史日期
    # 为当前日期创建一个对应的历史日期列
    df_copy[f'{date_col}_Prior'] = df_copy[date_col] - pd.DateOffset(months=months_prior)

    # 2. 合并历史数据
    # 将原始DataFrame与自身进行左连接，根据计算出的历史日期和维度列进行匹配
    # suffixes 参数用于区分合并后的同名列，例如 'Organic Keywords' 会变成 'Organic Keywords_1mo_Prior'
    df_copy = df_copy.merge(
        df_copy[[date_col] + dimension_cols + metric_cols],
        left_on=[f'{date_col}_Prior'] + dimension_cols, # 连接键：历史日期 + 维度列
        right_on=[date_col] + dimension_cols,
        how='left', # 左连接保留所有当前行，没有匹配的历史数据则为NaN
        suffixes=('', f'_{months_prior}mo_Prior')
    )

    # 清理：删除临时创建的历史日期列和合并时产生的多余维度列
    df_copy = df_copy.drop(columns=[f'{date_col}_Prior'] + [col + f'_{months_prior}mo_Prior' for col in dimension_cols])

    # 3. 计算绝对变化量和百分比变化率
    for metric in metric_cols:
        # 绝对变化 = 当前值 - 历史值
        df_copy[f'{metric}_{months_prior}mo_Abs_Change'] = df_copy[metric] - df_copy[f'{metric}_{months_prior}mo_Prior']
        # 百分比变化 = (当前值 / 历史值) - 1
        df_copy[f'{metric}_{months_prior}mo_Pct_Change'] = df_copy[metric] / df_copy[f'{metric}_{months_prior}mo_Prior'] - 1
        # 对百分比变化进行四舍五入
        df_copy[f'{metric}_{months_prior}mo_Pct_Change'] = df_copy[f'{metric}_{months_prior}mo_Pct_Change'].round(2)

    return df_copy

函数详解：

轻舟办公

基于AI的智能办公平台

下载

df_copy = df.copy()：进行操作前，创建一个DataFrame的副本，以避免对原始数据造成意外修改。
df_copy[f'{date_col}_Prior'] = df_copy[date_col] - pd.DateOffset(months=months_prior)：这一行是关键。pd.DateOffset(months=months_prior)会从date_col中的每个日期减去指定的月份数，得到对应的历史日期。
merge()操作：
- left_on 和 right_on：指定了连接的键。left_on使用当前DataFrame的{date_col}_Prior和dimension_cols，而right_on使用原始DataFrame的date_col和dimension_cols。这样可以确保我们找到的是同一维度（例如URL）在指定历史日期的指标值。
- how='left'：这是一个左连接，意味着DataFrame中的所有当前行都会被保留。如果某个历史日期没有匹配的数据，则相应的历史指标列会填充NaN。
- suffixes=('', f'_{months_prior}mo_Prior')：这个参数非常重要，它用于处理合并后出现的同名列。原始DataFrame的列保持不变，而从右侧（历史数据）合并过来的列会加上指定的后缀，例如_1mo_Prior。
清理：合并完成后，{date_col}_Prior列和合并时产生的历史维度列（如URL_1mo_Prior）已经完成了它们的使命，可以安全地删除，保持DataFrame的整洁。
计算变化率：最后，我们遍历所有指标列，计算其与历史同期值的绝对变化和百分比变化。百分比变化率通常会进行四舍五入以提高可读性。

泛化到多个周期

为了方便地计算多个历史周期的值，我们可以再封装一个函数 get_period_values。

def get_period_values(df, periods, metric_cols, dimension_cols, date_col):
    df_copy = df.copy()
    for period in periods:
        df_copy = get_last_period_values(df_copy, period, metric_cols, dimension_cols, date_col)
    return df_copy

这个函数接收一个periods列表（例如[1, 3, 12]），然后循环调用get_last_period_values函数，将不同历史周期的数据逐步添加到DataFrame中。

完整脚本示例

将上述所有部分整合，形成一个完整的、可运行的Python脚本。

import pandas as pd
import io

## 常量定义
INITIAL_COL_REORDER = ['URL', 'Date', 'Organic Keywords', 'Organic Traffic']
METRIC_COLS = ['Organic Keywords', 'Organic Traffic']
DIMENSION_COLS = ['URL']
DATE_COL = 'Date'
PERIODS = [1, 3, 12] # 需要计算的历史周期（月）

INPUT_CSV = """
URL,Organic Keywords,Organic Traffic,Date
https://www.example-url.com/,1315,11345,20231115
https://www.example-url.com/,1183,5646,20231015
https://www.example-url.com/,869,5095,20230915
https://www.example-url.com/,925,4574,20230815
https://www.example-url.com/,899,4580,20230715
https://www.example-url.com/,1382,5720,20230615
https://www.example-url.com/,1171,5544,20230515
https://www.example-url.com/,1079,5041,20230415
https://www.example-url.com/,734,3855,20230315
https://www.example-url.com/,853,3455,20230215
https://www.example-url.com/,840,2343,20230115
https://www.example-url.com/,325,2318,20221215
https://www.example-url.com/,156,1981,20221115
https://www.example-url.com/,166,2059,20221015
https://www.example-url.com/,124124,1977,20220915
https://www.example-url.com/,98,1919,20220815
https://www.example-url.com/,167,1796,20220715
https://www.example-url.com/,140,1596,20220615
https://www.example-url.com/,168,1493,20220515
https://www.example-url.com/,171,1058,20220415
https://www.example-url.com/,141,1735,20220315
https://www.example-url.com/,129,1836,20220215
https://www.example-url.com/,141,746,20220115
https://www.example-url.com/,129,1076,20211215
"""

## 辅助函数 - 获取指定历史周期的值及其变化
def get_last_period_values(df, months_prior, metric_cols, dimension_cols, date_col):
    df_copy = df.copy()
    df_copy[f'{date_col}_Prior'] = df_copy[date_col] - pd.DateOffset(months=months_prior)

    df_copy = df_copy.merge(
        df_copy[[date_col] + dimension_cols + metric_cols],
        left_on=[f'{date_col}_Prior'] + dimension_cols,
        right_on=[date_col] + dimension_cols,
        how='left',
        suffixes=('', f'_{months_prior}mo_Prior')
    )

    df_copy = df_copy.drop(columns=[f'{date_col}_Prior'] + [col + f'_{months_prior}mo_Prior' for col in dimension_cols])

    for metric in metric_cols:
        df_copy[f'{metric}_{months_prior}mo_Abs_Change'] = df_copy[metric] - df_copy[f'{metric}_{months_prior}mo_Prior']
        df_copy[f'{metric}_{months_prior}mo_Pct_Change'] = df_copy[metric] / df_copy[f'{metric}_{months_prior}mo_Prior'] - 1
        df_copy[f'{metric}_{months_prior}mo_Pct_Change'] = df_copy[f'{metric}_{months_prior}mo_Pct_Change'].round(2)

    return df_copy

## 辅助函数 - 迭代计算多个历史周期的值
def get_period_values(df, periods, metric_cols, dimension_cols, date_col):
    df_copy = df.copy()
    for period in periods:
        df_copy = get_last_period_values(df_copy, period, metric_cols, dimension_cols, date_col)
    return df_copy

## 主脚本
if __name__ == '__main__':
    # 1. 读取数据
    df = pd.read_csv(io.StringIO(INPUT_CSV))

    # 2. 数据预处理
    df = df[INITIAL_COL_REORDER]
    df[DATE_COL] = pd.to_datetime(df[DATE_COL], format='%Y%m%d')
    df = df.sort_values(by=DATE_COL, ascending=False) # 按日期降序排序

    # 3. 计算历史同期值及变化
    df_final = get_period_values(df, PERIODS, METRIC_COLS, DIMENSION_COLS, DATE_COL)

    # 4. 显示结果
    print("\n最终结果 DataFrame:")
    print(df_final.to_string()) # 使用 to_string() 避免截断显示

输出示例（部分）：

最终结果 DataFrame:
                         URL       Date  Organic Keywords  Organic Traffic  Organic Keywords_1mo_Prior  Organic Traffic_1mo_Prior  Organic Keywords_1mo_Abs_Change  Organic Traffic_1mo_Abs_Change  Organic Keywords_1mo_Pct_Change  Organic Traffic_1mo_Pct_Change  Organic Keywords_3mo_Prior  Organic Traffic_3mo_Prior  Organic Keywords_3mo_Abs_Change  Organic Traffic_3mo_Abs_Change  Organic Keywords_3mo_Pct_Change  Organic Traffic_3mo_Pct_Change  Organic Keywords_12mo_Prior  Organic Traffic_12mo_Prior  Organic Keywords_12mo_Abs_Change  Organic Traffic_12mo_Abs_Change  Organic Keywords_12mo_Pct_Change  Organic Traffic_12mo_Pct_Change
0    https://www.example-url.com/ 2023-11-15              1315            11345                        1183                       5646                              132                             5699                             0.11                            1.01                         869                       5095                              446                             6250                             0.51                             1.23                          156                       1981                             1159                              9364                             7.43                             4.73
1    https://www.example-url.com/ 2023-10-15              1183             5646                         869                       5095                              314                              551                             0.36                             0.11                         925                       4574                              258                             1072                             0.28                             0.23                          166                       2059                             1017                              3587                             6.13                             1.74
...
22   https://www.example-url.com/ 2022-01-15               141              746                        129                       1076                               12                             -330                             0.09                            -0.31                          NaN                        NaN                               NaN                              NaN                                NaN                              NaN                          141                        746                                0                                0                             0.00                             0.00
23   https://www.example-url.com/ 2021-12-15               129             1076                         NaN                        NaN                               NaN                              NaN                                NaN

Python-docx中设置页面宽度与高度的正确方法

Python-docx 中设置页面宽度与高度的正确方法

Python-docx 中设置页面宽度和高度的正确方法

Python自动化办公教程_ExcelWordPDF批量处理

如何用Python高效提取CSV数据并自动导入Word表格