熊猫:如何根据月度数据计算年通胀率?

我有一个带有月经膨胀的数据框架,它有一个周期索引:

<代码> 通货膨胀 月
2016年1月1日27分 2016年2月0日90分 2016年3月0.43日 2016年4月0.61日 2016年5月0.78日 2016-06 0.35 2016年7月0.52日 2016年8月0.44日 2016年9月0日 2016年10月0.26日 2016-11 0.18年 2016年12月0.30日 2017年1月0.38日 2017年2月0.33日 2017年3月0.25日 2017年4月0.14日 2017年5月0.31日 2017年6月-0.23日 2017年7月0日24分 2017年8月0.19日 2017年9月0.16日 2017年10月0.42日 2017年11月0.28日 2017年12月0.44日 < /代码>

我认为每年的通货膨胀很容易计算,只需重新取样到一个年度周期:

(df/100+1).resample('a').cumprod())
< /代码> 

但它给了我一个错误:

attributeError:'PeriodIndexResampler'object has no attribute'cumprod'
< /代码> 

它可以使用简单的函数,如sum,但我尝试了一些替代方法,而cumprod不会影响结果。


我的预期答案是:

2016 1.062881
2017年1.029473
< /代码> 

哪种方法是最好的计算方法? 


以下是用于复制和粘贴的数据:

 <代码>蟒蛇
【句号(‘2016-01’,‘M’),1.27】,
[期间(‘2016-02’,‘m’),0.9],
[期间(‘2016-03’,‘m’),0.43],
[期间(‘2016-04’,‘m’),0.61],
[期间(‘2016-05’,‘m’),0.78],
[期间(‘2016-06’,‘m’),0.35],
[期间(‘2016-07’,‘m’),0.52],
[期间(‘2016-08’,‘m’),0.44],
[期间(‘2016-09’,‘m’),0.08],
[期间(‘2016-10’,‘m’),0.26],
[期间(‘2016-11’,‘m’),0.18],
[期间(‘2016-12’,‘m’),0.3],
[期间(‘2017-01’,‘M’),0.38],
[期间(‘2017-02’,‘m’),0.33],
[期间(‘2017-03’,‘m’),0.25],
[期间(‘2017-04’,‘M’),0.14],
[期间(‘2017-05’,‘m’),0.31],
[期间('2017-06','m'),-0.23],
[期间(‘2017-07’,‘m’),0.24],
[期间(‘2017-08’,‘m’),0.19],
[期间(‘2017-09’,‘m’),0.16],
[期间(‘2017-10’,‘m’),0.42],
[期间(‘2017-11’,‘m’),0.28],
[期间(‘2017-12’,‘m’),0.44]]
< /代码> 

我认为每年的通货膨胀很容易计算,只需重新取样到一个年度周期:

(df/100+1).resample('A').cumprod()


但它给了我一个错误:

AttributeError: 'PeriodIndexResampler' object has no attribute 'cumprod'


它使用简单的函数,比如sum,但是我尝试了一些替代方法,而cumprod并没有夸大结果。

我的预期答案是:

2016    1.062881
2017    1.029473   


哪种方法是最好的计算方法?

以下是用于复制和粘贴的数据:

python
[[Period('2016-01', 'M'), 1.27],
 [Period('2016-02', 'M'), 0.9],
 [Period('2016-03', 'M'), 0.43],
 [Period('2016-04', 'M'), 0.61],
 [Period('2016-05', 'M'), 0.78],
 [Period('2016-06', 'M'), 0.35],
 [Period('2016-07', 'M'), 0.52],
 [Period('2016-08', 'M'), 0.44],
 [Period('2016-09', 'M'), 0.08],
 [Period('2016-10', 'M'), 0.26],
 [Period('2016-11', 'M'), 0.18],
 [Period('2016-12', 'M'), 0.3],
 [Period('2017-01', 'M'), 0.38],
 [Period('2017-02', 'M'), 0.33],
 [Period('2017-03', 'M'), 0.25],
 [Period('2017-04', 'M'), 0.14],
 [Period('2017-05', 'M'), 0.31],
 [Period('2017-06', 'M'), -0.23],
 [Period('2017-07', 'M'), 0.24],
 [Period('2017-08', 'M'), 0.19],
 [Period('2017-09', 'M'), 0.16],
 [Period('2017-10', 'M'), 0.42],
 [Period('2017-11', 'M'), 0.28],
 [Period('2017-12', 'M'), 0.44]]