Python コード:

import pandas as pd

dates = pd.date_range(
    start='2023-01-01', 
    periods=4, 
    freq='W')
    
data = [100, 110, 90, 120]
df = pd.DataFrame(
    data, 
    index=dates, 
    columns=['A'])

print(df.pct_change())

回答の選択肢:

(A) 各週の値の割合
(B) 各週の変化率
(C) 各週の値の累積和
(D) 各週の差分

                   A
2023-01-01       NaN
2023-01-08  0.100000
2023-01-15 -0.181818
2023-01-22  0.333333

正解: (B)
回答の選択肢:

(A) 各週の値の割合
(B) 各週の変化率
(C) 各週の値の累積和
(D) 各週の差分

import pandas as pd

dates = pd.date_range(
    start='2023-01-01', 
    periods=4, 
    freq='W')
    
data = [100, 110, 90, 120]
df = pd.DataFrame(
    data, 
    index=dates, 
    columns=['A'])

print(df.pct_change())

詳しく説明します。

pandasのdate_range関数を使用して、2023年1月1日から始まる期間が4週間の日付インデックスを作成します。ここでの頻度値は「W」なので、週次の日付が生成されます。

dates = pd.date_range(
    start='2023-01-01', 
    periods=4, 
    freq='W')

datesに格納されているデータは次のようになっています。

DatetimeIndex(['2023-01-01', '2023-01-08', '2023-01-15', '2023-01-22'], dtype='datetime64[ns]', freq='W-SUN')

作成した日付インデックスとデータリスト[100, 110, 90, 120]を組み合わせてpandasのデータフレームを作成します。このデータフレームは日付をインデックスとし、単一の列’A’を含む値で構成されています。

data = [100, 110, 90, 120]
df = pd.DataFrame(
    data, 
    index=dates, 
    columns=['A'])

dfに格納されているデータは次のようになっています。

              A
2023-01-01  100
2023-01-08  110
2023-01-15   90
2023-01-22  120

データフレームのpct_changeメソッドを使用して、一つ前の行（つまり一週前）とのパーセンテージの差分を計算します。pct_changeメソッドは、隣接する二つの要素間のパーセンテージ変化を計算するため、前の行と比較した現在の行の変化を示します。

print(df.pct_change())

最初の行はNaN（not a number）で、これはこの行に前の行がないためにパーセンテージの変化を計算できないことを示しています。次の行は前の行と比べてどの程度パーセントで変化したかを示しています。

                   A
2023-01-01       NaN
2023-01-08  0.100000
2023-01-15 -0.181818
2023-01-22  0.333333