Блог

У меня есть фрейм данных в виде:

 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]
})
 

Теперь я хочу рассчитать процентное изменение axis=1 , но со ссылкой только "A" на все столбцы , такие как процентное изменение для "B" w.r.t "A" , "C" w.r.t "A" и так далее.

pct_change Функция выполняет аналогичную работу, но она вычисляет процентное изменение для последовательных строк или столбцов, которые мне не нужны.

Прямо сейчас я думаю о том, чтобы достичь этого , вероятно, с помощью цикла for и добавления процентов ИЛИ разделения фрейма данных, например ["A", "B"] , ["A", "C"] , и так далее, а затем применить pct_change ко всем отдельно.

Последний подход, я думаю, лучше, но вопрос в том,,

Есть ли еще лучший подход, который будет выполнять ту же работу?

Вы можете использовать функцию разделения в панд, ныряя во все столбцы с помощью столбца A

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

Результаты:

Вы можете легко эмулировать pct_change w.r.t. A с DataFrame.sub помощью и DataFrame.div для вашего случая.

 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
 

Вы можете использовать **кварги для 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})