統計検定 2級で、産業系の指数の、前期比伸び率、前年同期比伸び率、四半期移動平均を答える問題が出題されます。
python で、指数の時系列データを読み込んで、前期比伸び率、前年同期比伸び率、四半期移動平均 の計算ができるか試してみました。
結果を以下に記載します。

入力データについて

最新結果の概要｜全産業活動指数｜経済産業省 の、時系列表 > 原指数 の時系列データを計算に用います。

使用するライブラリについて

計算には以下のライブラリを用います。

移動平均

  • numpy
  • pandas

各月ごとに計算する

ファイルの読み込み

各値の計算をするため、まずファイルを読み込みます。 

# データの読み込み
import pandas as pd
df1 = pd.read_table("All-industry-activity-index.tsv")
df1
.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }
日付 原指数
0 2017/03 113.6
1 2017/04 101.8
2 2017/05 100.9
3 2017/06 105.3
4 2017/07 105.0
5 2017/08 103.3
6 2017/09 106.5
7 2017/10 105.0
8 2017/11 105.2
9 2017/12 111.2
10 2018/01 101.1
11 2018/02 100.8
12 2018/03 114.9
13 2018/04 103.2
14 2018/05 102.5

グラフ描画

原指数のグラフを描画します。 

%matplotlib inline
import matplotlib.pyplot as plt
# matplotlib の設定を調整   
plt.rcParams['font.family'] = 'IPAPGothic' #全体のフォントを設定
plt.rcParams["figure.figsize"] = [12, 6]
plt.rcParams['font.size'] = 20 #フォントサイズを設定 default : 12
plt.rcParams['xtick.labelsize'] = 15 # 横軸のフォントサイズ
plt.rcParams['ytick.labelsize'] = 15
df1.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x115efec88>

png

前月比を追加する

diff で前月との差分、pct_change で変化率、rolling で移動平均を計算できます。 

df1['前月差分']= df1['原指数'].diff()
df1['変化率']= df1['原指数'].pct_change()
df1['移動平均'] = df1['原指数'].rolling(window=3, center=False).mean()
df1.head()
.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }
日付 原指数 前月差分 変化率 移動平均
0 2017/03 113.6 NaN NaN NaN
1 2017/04 101.8 -11.8 -0.103873 NaN
2 2017/05 100.9 -0.9 -0.008841 105.433333
3 2017/06 105.3 4.4 0.043608 102.666667
4 2017/07 105.0 -0.3 -0.002849 103.733333

移動平均の 1番目、2番目がNaN なのは、window指定が 3　のためです。
続いて原指数と、移動平均のグラフを描いてみます。 

df1.loc[:,['移動平均','原指数']].plot()

<matplotlib.axes._subplots.AxesSubplot at 0x1161e0ac8>

png

四半期ごとに計算する

元データは、毎月ごとの時系列データになっています。これを、DatetimeIndex の quarter を使用して四半期ごとに集計します。

四半期ごとにデータをグルーピングする

# データの読み込み
import pandas as pd
df2 = pd.read_table("All-industry-activity-index.tsv")

#  日付 を DatetimeIndex に変換、INDEXとして設定
df2 = df2.set_index(pd.DatetimeIndex(df['日付']))
#  DatetimeIndex  に四半期ごとにグループ化    
df_q = df2.set_index([df2.index.quarter, df2.index.year,  df2.index])
df_q.index.names = ['quarter', 'year', 'date']
df_q
.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }
日付 原指数
quarter year date
1 2017 2017-03-01 2017/03 113.6
2 2017 2017-04-01 2017/04 101.8
2017-05-01 2017/05 100.9
2017-06-01 2017/06 105.3
3 2017 2017-07-01 2017/07 105.0
2017-08-01 2017/08 103.3
2017-09-01 2017/09 106.5
4 2017 2017-10-01 2017/10 105.0
2017-11-01 2017/11 105.2
2017-12-01 2017/12 111.2
1 2018 2018-01-01 2018/01 101.1
2018-02-01 2018/02 100.8
2018-03-01 2018/03 114.9
2 2018 2018-04-01 2018/04 103.2
2018-05-01 2018/05 102.5 
df_q = df_q.mean(level=['quarter','year'])

df_q['前期比伸び率']= df_q['原指数'].pct_change()
df_q['前年同期比伸び率'] = (df_q['原指数'] - df_q['原指数'].shift(4)) / df_q['原指数']
df_q['四半期移動平均'] = df_q['原指数'].rolling(window=4, center=True).mean()
df_q
.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }
原指数 前期比伸び率 四半期移動平均 前年同期比伸び率
quarter year
1 2017 113.600000 NaN NaN NaN
2 2017 102.666667 -0.096244 NaN NaN
3 2017 104.933333 0.022078 107.083333 NaN
4 2017 107.133333 0.020966 105.083333 NaN
1 2018 105.600000 -0.014312 105.129167 -0.075758
2 2018 102.850000 -0.026042 NaN 0.001783

pandas の rolling だと、偶数の中心化移動平均の計算は実行できないようです。
続いて原指数と、移動平均のグラフを描いてみます。

df_q.loc[:,['四半期移動平均','原指数']].plot()

<matplotlib.axes._subplots.AxesSubplot at 0x1166f8630>

png

四半期の移動平均は、前後の点が少ないため、あまり算出できていません。    
四半期のデータではない場合もmin_periods を指定することで、計算に必要なデータが少ない場合も、移動平均を算出することができます。

参考

以下、参考にした記事になります。

以上です。

コメント

カテゴリー

最近の投稿