在Pandas的数据处理场景中，默认的pct_change()方法是按列计算相邻行的百分比变化，当我们需要针对向量型行数据计算逐行百分比变化时，需要对默认逻辑进行调整，适配行维度的计算需求。
基础逐行百分比变化计算
如果DataFrame的每一行都是一组向量型数值，要计算相邻行的百分比变化，首先需要转置DataFrame，将行转为列，再使用pct_change()方法，最后再转置回原来的结构即可。
百分比变化的计算公式为：(当前值 - 前一个值) / 前一个值，当没有前一个值时，结果会返回NaN。
import pandas as pd
import numpy as np
# 构造示例向量型行数据，每一行是一个长度为3的向量
data = {
"vec_0": [10, 12, 15, 14],
"vec_1": [20, 22, 25, 23],
"vec_2": [30, 33, 35, 32]
}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)
# 转置后计算列方向的百分比变化，再转置回来得到行方向的百分比变化
row_pct_change = df.T.pct_change().T
print("n逐行百分比变化结果：")
print(row_pct_change)
向量型数据的逐元素百分比变化
如果需求是计算每一行内每个元素的逐行变化，也就是每个列维度单独计算相邻行的变化，其实和默认的列方向计算逻辑一致，不过需要明确是按行索引的顺序计算。
我们可以通过指定axis参数来确认计算方向，不过pct_change()的axis参数在较新版本中支持按行计算，也可以手动实现计算逻辑避免版本兼容问题。
# 手动实现逐行百分比变化，兼容所有Pandas版本
def calc_row_pct_change(df):
# 获取前一个行的值，第一行没有前一个值，用NaN填充
prev_rows = df.shift(1)
# 计算百分比变化
pct_change = (df - prev_rows) / prev_rows
return pct_change
manual_pct_change = calc_row_pct_change(df)
print("手动计算的逐行百分比变化：")
print(manual_pct_change)
处理缺失值和特殊场景
在实际数据中，可能会存在前一行值为0或者NaN的情况，这时候百分比变化的计算会出现无穷大或者NaN的结果，需要提前处理。
- 如果前一行值为0，百分比变化会返回inf，可以根据需求替换为NaN或者指定值
- 如果数据中存在NaN，计算时会自动传播NaN，也可以先填充缺失值再计算
# 构造包含0和NaN的示例数据
data_with_na = {
"vec_0": [10, 0, 15, np.nan],
"vec_1": [20, 22, 0, 23],
"vec_2": [30, 33, 35, 32]
}
df_na = pd.DataFrame(data_with_na)
print("包含缺失值的原始DataFrame：")
print(df_na)
# 填充NaN后再计算百分比变化
df_filled = df_na.fillna(method="ffill")
pct_change_na = df_filled.T.pct_change().T
# 将无穷大的值替换为NaN
pct_change_na = pct_change_na.replace([np.inf, -np.inf], np.nan)
print("n处理缺失值后的逐行百分比变化：")
print(pct_change_na)
总结
计算Pandas DataFrame中向量型行数据的逐行百分比变化，核心思路是调整计算维度，通过转置或者手动实现shift逻辑来适配行方向的计算需求。在实际使用中，需要根据数据是否包含缺失值、是否有特殊数值（如0）来选择合适的预处理方式，确保计算结果的合理性。上述提供的代码示例可以直接复用，也可以根据实际的数据结构调整参数。