利用熊猫发现美国GDP数据中的衰退

Question

作为一项任务，我正在确定2008年美国经济衰退的第一季度。我使用的Excel数据可以在这里下载：gdplev.xls。我怎样才能改进这个熊猫代码，使它更加地道或优化呢？

def get_recession_start():
    '''Returns the year and quarter of the recession start time as a 
    string value in a format such as 2005q3'''
    GDP_df = pd.read_excel("gdplev.xls", 
                           names=["Quarter", "GDP in 2009 dollars"], 
                           parse_cols = "E,G", 
                           skiprows = 7)
    GDP_df = GDP_df.query("Quarter >= '2000q1'")
    GDP_df["Growth"] = GDP_df["GDP in 2009 dollars"].pct_change()
    GDP_df = GDP_df.reset_index(drop=True)
    # recession defined as two consecutive quarters of negative growth
    GDP_df["Recession"] = (GDP_df.Growth < 0) & (GDP_df.Growth.shift(-1) < 0) 
    return GDP_df.iloc[GDP_df["Recession"].idxmax()]["Quarter"]
get_recession_start()

Answer 1

您的函数做了太多的事情:读取Excel文件、过滤必要的行以及计算"recession_start“。我的建议是把前两个都拿出来。

此外，供应季度和GDP作为单独的对象(pd.Series)的功能，而不是DataFrame。像这样，您将从函数中删除硬编码字符串，更重要的是，您将去掉您现在应该得到的SettingWithCopyWarning：

df = pd.read_excel('gdplev.xls',
                   names=['Quarter', 'GDP in 2009 dollars'],
                   usecols='E,G',
                   skiprows=7)
mask = df['Quarter'] >= '2000q1'
print(get_recession_start(quarters=df.loc[mask, 'Quarter'],
                          gdps=df.loc[mask, 'GDP in 2009 dollars']))

请注意，我使用的是usecols而不是parse_cols，因为它是不推荐的。此外，我删除了df.query，以支持布尔掩蔽和.loc。

然后，该函数将如下所示：

def get_recession_start(quarters: pd.Series,
                        gdps: pd.Series) -> str:
    """
    Returns the year and quarter of the recession start time
    as a string value in a format such as 2005q3
    """
    growth = gdps.pct_change()
    recession = (growth < 0) & (growth.shift(-1) < 0)
    recession = recession.reset_index(drop=True)
    return quarters.iloc[recession.idxmax()]

这里，我还使用三重双引号作为docstring和类型提示。这看上去干净多了。

也许，只返回recession.idxmax()索引并在函数之外获得相应的quarters值也是有意义的。