时间戳

首页 > 解决方案 > 计算具有缺失值的不同时间序列的最早和最后可用值的百分比变化

python - 计算具有缺失值的不同时间序列的最早和最后可用值的百分比变化

问题描述

我有不同国家的贫困值的时间序列（国家在行中，随时间变化的值在列中）。不幸的是，我有很多缺失的数据，但我想计算 Python 中每个国家/地区的最后可用年份和最早可用年份之间的百分比变化。因此，对于下面的 ZWE，这将是 2019 年和 2011 年之间的 pct 变化，而对于 ZWB，则需要 2015 年和 2010 年。有没有办法自动化这个？也许使用 iterrows？

任何帮助将非常感激。谢谢！

异 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年
ZWE 钠 22.5 钠 钠 钠 钠 钠 30.4 钠 38.3
中巴 54.7 钠 钠 钠 钠 54.4 钠 钠 钠 钠

标签： pythonpandas

解决方案

您可以过滤要处理的相关列.filter()，然后对于每个国家/地区（每一行），删除NaN条目.dropna()，然后将最后一个（非 NaN）条目除以第一个（非 NaN）条目，减去 1 并乘以100 得到百分比：

df['% change'] = df.filter(regex=r'YR\d+').apply(lambda x: 0 if len((z:=x.dropna())) == 0 else (z.iloc[-1]/z.iloc[0] -1) * 100, axis=1)

或者，如果您的 Python 版本早于 Python 3.8 并且不支持赋值运算符:=，请使用：

df['% change'] = df.filter(regex=r'YR\d+').apply(lambda x: 0 if len(x.dropna()) == 0 else (x.dropna().iloc[-1]/x.dropna().iloc[0] -1) * 100, axis=1)

结果：

print(df)

   iso  YR2010  YR2011  YR2012  YR2013  YR2014  YR2015  YR2016  YR2017  YR2018  YR2019   % change
0  ZWE     NaN    22.5     NaN     NaN     NaN     NaN     NaN    30.4     NaN    38.3  70.222222
1  ZMB    54.7     NaN     NaN     NaN     NaN    54.4     NaN     NaN     NaN     NaN  -0.548446

推荐阅读