同比和環(huán)比都是為了顯示數(shù)據(jù)的變化速度，但是基數(shù)不同，同比側(cè)重長期數(shù)據(jù)趨勢變化，環(huán)比側(cè)重于短期內(nèi)數(shù)據(jù)趨勢變化
同比是指在同一時期內(nèi)的數(shù)據(jù)趨勢變化，用于本期與同期的對比，例如本期2018-02月銷售額與同期2017-02月銷售額做對比?！荆ū酒?- 同期）/ 同期】
環(huán)比是指在短時間內(nèi)的數(shù)據(jù)趨勢變化，用去本期與臨近一起的對比，例如本期2018-02月銷售額與上一期2018-01月銷售額做對比?！荆ū酒?- 臨近一期）/ 臨近一期】

數(shù)據(jù)準(zhǔn)備

import pandas as pd
import random
rng = list(pd.date_range('1/1/2017', periods=24, freq='M')) #生成日期
mony = [random.randint(1000,9000) for i in range(0,24)] #隨機生成銷售額
data = pd.DataFrame({'rng':rng,'mony':mony}) #組成一個dataframe

計算環(huán)比增長

方法一：

for i in range(0,len(data)):
? ? if i == 0:
? ? ? ? data['huanbi'][i] = 'null'
? ? else:
? ? ? ? data['huanbi'][i] = format((data['mony'][i] - data['mony'][i-1])/data['mony'][i-1],'.2%')
? ? ? ? #format(res,'.2%') 小數(shù)格式化為百分?jǐn)?shù)

方法二：

使用diff（periods=1, axis=0)）一階差分函數(shù)

periods：移動的幅度默認(rèn)值為1
axis：移動的方向，{0 or ‘index’, 1 or ‘columns’}，如果為0或者’index’，則上下移動，如果為1或者’columns’，則左右移動。默認(rèn)列向移動

data['huanbi_1'] = data.mony.diff()

方法三：

使用pct_change()

data['huanbi_1'] = data.mony.pct_change()
data.fillna(0,inplace=True)

計算同比增長

使用一階差分函數(shù)diff()

data['tongbi_shu'] = data.mony.diff(12)
data.fillna(0,inplace=True)
data['tongbi'] = data['tongbi_shu']/(data['mony'] - data['tongbi_shu'])
``

同比和環(huán)比計算公式

同比增長率=(本期數(shù)-同期數(shù))÷同期數(shù)×100%
環(huán)比增長率=(本期數(shù)-上期數(shù))/上期數(shù)×100%。

簡單地說，就是同比、環(huán)比與定基比，都可以用百分?jǐn)?shù)或倍數(shù)表示。

定基比發(fā)展速度，也簡稱總速度，一般是指報告期水平與某一固定時期水平之比，表明這種現(xiàn)象在較長時期內(nèi)總的發(fā)展速度。

同比發(fā)展速度，一般指是指本期發(fā)展水平與上年同期發(fā)展水平對比，而達到的相對發(fā)展速度。
環(huán)比發(fā)展速度，一般是指報告期水平與前一時期水平之比，表明現(xiàn)象逐期的發(fā)展速度。同比和環(huán)比，這兩者所反映的雖然都是變化速度，但由于采用基期的不同，其反映的內(nèi)涵是完全不同的;

一般來說，環(huán)比可以與環(huán)比相比較，而不能拿同比與環(huán)比相比較;而對于同一個地方，考慮時間縱向上發(fā)展趨勢的反映，則往往要把同比與環(huán)比放在一起進行對照。

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: