Python timeseries将标准化/缩放为基数100

Question

我有这个{}：

df = pd.DataFrame({'A': {'2020-01': 50, '2020-02': 70, '2020-03': 30},
 'B': {'2020-01': 10, '2020-02': 14, '2020-03': 9},
 'C': {'2020-01': 200, '2020-02': 100, '2020-03': 300}})

df：

我正在寻找这个输出：

怎么做？好的，正如你所看到的，它是timeseries数据，当我想绘制变量A，B，C之间的演变和时间差异时，我需要将它们缩放到以100为基数。因此，每个变量将以100开始，下一个值显示基于第一个值（100）的最后一个值的增加/减少

例如，A从50（100）开始，然后更改为70（+40%，基于第一个月=140），然后更改为30（-80%，基于第一个月=60），依此类推。我认为应该有一些包或函数来实现这一点（因为它非常用于股市可视化），但我找不到任何包或函数。有什么建议吗

PS：您可以假设数据只有3个变量，但有数千行

Answer 1

只需编写一个简单的函数，它接受一个系列/列表并进行转换

def trans_100(a):
    a_trans = a[:]
    a_trans[0] = 100
    for i in range(1,len(a)):
        a_trans[i] = 100 + ((a[i] - a[0])*100/a[0])

    return a_trans

print(trans_100([50, 70, 30]))  

[100, 140.0, 60.0]

Answer 2

IIUC：

df = 100*(df / df.iloc[0, :])

df

            A      B      C
2020-01  100.0  100.0  100.0
2020-02  140.0  140.0   50.0
2020-03   60.0   90.0  150.0