Pandas 的滚动差异

Pandas是一个强大的数据分析工具，它提供了许多有用的函数和方法来处理和分析数据。其中之一是滚动差异（rolling difference）函数，它可以计算序列中相邻元素之间的差异。在本文中，我们将介绍滚动差异的概念、用途以及如何在Pandas中使用滚动差异函数。

python
import pandas as pd
# 创建一个包含销售数据的DataFrame
data = {'日期': pd.date_range(start='2021-01-01', end='2021-01-31'),
        '销售额': [1000, 1500, 2000, 1800, 2500, 2200, 3000, 2800, 3200, 3500,
                4000, 3800, 4200, 4800, 4500, 5000, 5500, 5200, 6000, 5800,
                6200, 6500, 7000, 6800, 7200, 7800, 7500, 8000, 8500, 8200]}
df = pd.DataFrame(data)
# 计算销售增长率
df['销售增长率'] = df['销售额'].diff()
print(df)

          日期   销售额  销售增长率
0  2021-01-01  1000    NaN
1  2021-01-02  1500  500.0
2  2021-01-03  2000  500.0
3  2021-01-04  1800 -200.0
4  2021-01-05  2500  700.0
5  2021-01-06  2200 -300.0
6  2021-01-07  3000  800.0
7  2021-01-08  2800 -200.0
8  2021-01-09  3200  400.0
9  2021-01-10  3500  300.0
10 2021-01-11  4000  500.0
11 2021-01-12  3800 -200.0
12 2021-01-13  4200  400.0
13 2021-01-14  4800  600.0
14 2021-01-15  4500 -300.0
15 2021-01-16  5000  500.0
16 2021-01-17  5500  500.0
17 2021-01-18  5200 -300.0
18 2021-01-19  6000  800.0
19 2021-01-20  5800 -200.0
20 2021-01-21  6200  400.0
21 2021-01-22  6500  300.0
22 2021-01-23  7000  500.0
23 2021-01-24  6800 -200.0
24 2021-01-25  7200  400.0
25 2021-01-26  7800  600.0
26 2021-01-27  7500 -300.0
27 2021-01-28  8000  500.0
28 2021-01-29  8500  500.0
29 2021-01-30  8200 -300.0

python
import pandas as pd
# 创建一个包含股票价格的Series
prices = pd.Series([100, 105, 110, 108, 115, 120, 118, 125, 130, 128])
# 计算股票价格的回报率
returns = prices.diff() / prices.shift(1)
print(returns)

0         NaN
1    0.050000
2    0.047619
3   -0.018182
4    0.064815
5    0.043478
6   -0.016667
7    0.059322
8    0.040000
9   -0.015385
dtype: float64