本文主要介绍熊猫实践过程中常用的统计方法，如累计、同比、环比等。有很好的参考价值，希望对大家有所帮助。如有错误或不足之处，请不吝赐教。

: 目录

1.(本年)累计2。(去年)累计3。上月(完成)4。同比(增速)5。环比(增长率)6。在汇总统计中，经常以本年累计、去年累计、本期累计(如当月)、上月完成为统计数据，进行同比和环比分析。

如下月度统计表所示，本文将使用Python熊猫工具进行统计。

其中包括：

累计(本年):指1月至本年(去年)结束的总人数与同期(累计):指去年1月至本年结束的总人数的同比(增长率)=(本期-同期)/同期* 100%环比(增长率)=(本期-上期)/上期* 100%。

注：此处本期指本月或当月完成数，上期数指上月完成数。

样本数据：

注：为便于论证，本案例的数据来源仅使用2年的数据和每年5个月的数据。

1.（本年）累计

在统计分析的发展中，每年和每月积累一些统计数据是一种普遍的需求。对于数据来说，就是按照规则逐行积累数据。

熊猫中的Cumsum()函数可以按照一定的时间维度累计需求。

#取今年累计值。

进口熊猫作为pd

df=pd.read_csv(data2021.csv )

cum _ columns _ name=[ cum _ churn count ， cum_newcount]

df[累计列名]=df[[年， churncount ， newcount]]。groupby([years])。累计和()

注意：分组“年”指的是每年的时间维度累积。

计算结果如下：

2.（上年）同期累计

同期(去年)累计，直接取上年累计值的同月数据。Pandas DataFrame.shift()函数可以按指定的行数移动数据。

继续上面，读取同期数据。首先，将year month上移五行，得到一个新的数据框架，如上图所示。然后用年月关联两个表的数据(左关联：左边是原表，右边是移动后的新表)，从而达到数据不同步的效果。

cum _ columns _ dict={ cum _ churn count : cum _ same _ period _ churn count ，

cum _ new count : cum _ same _ period _ new count }

df _ cum _ same _ period=df[[ cum _ churn count ， cum_newcount ， yearmonth]]。复制()

df _ cum _ same _ period=df _ cum _ same _ period . rename(columns=cum _ columns _ dict)

# df _ cum _ same _ period.loc [:年月]=df _ cum _ same _ period [年月]。shift (-12) #一年中的12个月

Df _ cum _ same _ period.loc [:年月]=df _ cum _ same _ period [年月]。shift (-5) #因为只有5个月的数据可用，

df=pd.merge(left=df，right=df_cum_same_period，on=yearmonth ，how=left )

3. 上月（完成）

取上个月的数据，使用pandas DataFrame.shift()函数将数据移动指定的行数。

继续上图，读取上期数据。(与同步原理相同，略)

last _ MnO th _ columns _ dict={ churn count : last _ month _ churn count ，

新计数:上个月新计数 }

df_last_month=df[[churncount ， newcount ， yearmonth]]。复制()

df _ last _ month=df _ last _ month . rename(columns=last _ MnO th _ columns _ dict)

Df _ last _ month.loc [:年月]=df _ last _ month [年月]。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）

同比计算涉及除法，需要剔除除数为零的数据。

Df.fillna(0，inplace=True) #空值用0填充

#计算同比

df . loc[df[ cum _ same _ period _ churn count ]！=0， cum _ churn count _ rat ]=(df[ cum _ churn count ]-df[ cum _ same _ period _ churn count ])/df[ cum _ same _ period _ churn count ]#除数不能为零。

df . loc[df[ cum _ same _ period _ new count ]！=0， cum _ new count _ rat ]=(df[ cum _ new count ]-df[ cum _ same _ period _ new count ])/df[ cum _ same _ period _ new count ]#除数不能为零。

df[[yearmonth ， cum_churncount ， cum_newcount ， cum_same_period_churncount ， cum_churncount_rat ， cum_newcount_rat]]

5. 环比（增长率）

#计算环比

df。loc[df[ last _ month _ churn count ]！=0，客户流失计数]=(df[客户流失计数]-df[上月客户流失计数])/df[上月客户流失计数]#除数不能为零

df。loc[df[上个月新计数]！=0，新计数_ rat ]=(df[新计数]-df[上个月_新计数])/df[上个月_新计数]#除数不能为零

df[[yearmonth ， churncount ， newcount ， last_month_churncount ， last_month_newcount ， churncount_rat ， newcount_rat]]

6. 总结

熊猫做统计计算功能方法比较多，这里总结用到的技术有累计累计和()函数、移动数据shift()函数、表合并关联合并()函数，以及通过通信线路(通信线路)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我们。