Python手把手实现经济指标驱动的价格调整公式，附完整代码+数据可视化

文章目录一、你要解决的问题二、票价调整公式长什么样三、Python实现单年度计算四、真正的难点延期释放 多年叠加五、数据可视化一图看懂不加价背后的账六、附送8条通勤路线的成本对比七、环境信息八、总结一、你要解决的问题做数据分析的人经常遇到一个需求根据几个经济指标CPI、工资指数、生产力因素按一个公式算出某个价格该不该调、调多少。这公式本身不复杂但当你加入负担能力上限、延期释放、多年叠加这些条件后代码就开始有意思了。正好港铁有个每年公开的票价调整公式我们就拿它当案例——不是让大家研究港铁是让你看完之后自己的业务里能直接用这个思路。先看结果公式算出来该涨2.85%但因为触发负担能力上限最终是0%。那2.85%去哪了往后分摊到2027和2028年。这就是我们代码要做的事实现公式 → 计算 → 处理边界条件 → 可视化。二、票价调整公式长什么样港铁的公式是公开的每年3月按这个算一次票价调整幅度 (0.5 × CPI变动) (0.5 × 工资指数变动) - 生产力因素 上年转拨但如果算出来的结果超过家庭月入中位数变动就按中位数变动来——这叫负担能力上限。没执行的部分不会消失会延后到之后年份分摊释放。2026年的真实数据来源港铁官方 政府统计处2026年3月公布参数数值数据来源综合消费物价指数按年变动1.4%政府统计处2025年12月运输业名义工资指数按年变动3.0%政府统计处2025年12月生产力因素-0.8%港铁物业发展利润挂钩2025/26年度转拨1.45%上年度未执行的涨幅公式计算结果2.85%—家庭月入中位数按年变动0%政府统计处2025年Q4最终票价调整0%冻结触发负担能力上限三、Python实现单年度计算先把基础公式写出来。用字典存参数函数直接算# 第一步定义参数和基础公式defcalculate_fare_adjustment(cpi_change,wage_change,productivity,carryover): 港铁票价调整机制公式 cpi_change: 综合消费物价指数按年变动 (如 0.014 表示 1.4%) wage_change: 运输业名义工资指数按年变动 productivity: 生产力因素扣减 carryover: 上年度转拨幅度 返回: 计算结果 (正数涨价, 0或负数冻结/降价) raw_result(0.5*cpi_change)(0.5*wage_change)productivitycarryoverreturnround(raw_result,4)# 2026年真实数据params_2026{cpi_change:0.014,# 1.4%wage_change:0.030,# 3.0%productivity:-0.008,# -0.8%carryover:0.0145# 1.45%}rawcalculate_fare_adjustment(**params_2026)print(f公式计算结果:{raw*100:.2f}%)# 输出: 公式计算结果: 2.85%输出结果跟官方公布的一致2.85%。但实际没涨——因为有负担能力上限# 第二步加入负担能力上限判断defapply_affordability_cap(raw_result,income_change): 负担能力上限票价涨幅不能超过家庭月入中位数变动 income_change: 家庭月入中位数按年变动 ifraw_resultincome_change:cappedincome_change deferredraw_result-income_changeprint(f触发上限公式算{raw_result*100:.2f}%上限{income_change*100:.2f}%)print(f延期金额:{deferred*100:.2f}% → 往后分摊)returncapped,deferredelse:returnraw_result,0income_change_20260.0# Q4家庭月入中位数变动 0%final_rate,deferred_2026apply_affordability_cap(raw,income_change_2026)print(f实际调整:{final_rate*100:.2f}%)print(f延期释放:{deferred_2026*100:.2f}%)# 输出:# 触发上限公式算 2.85%上限 0.00%# 延期金额: 2.85% → 往后分摊# 实际调整: 0.00%# 延期释放: 2.85%跟官方公布的结果完全吻合算出来2.85%但因为家庭收入没涨全部冻住。到这里你可能觉得就这几行代码就完事了——真正有意思的在第四步。四、真正的难点延期释放 多年叠加刚才那2.85%不是消失了是往后两年分摊2027年7月释放1.43%今年的一半2028年7月释放1.42%今年的另一半但这还没完之前还有别的年份延下来的涨幅也在排队。港铁官方公布2026年还有一笔1.96%是之前延到2026年但又被推到2027年的。这就是多年叠加的复杂之处。代码这样写# 第三步延期释放队列管理classFareAdjustmentQueue:管理多年延期释放的涨幅队列def__init__(self):self.deferred_queue{}# {年份: 待释放金额}defadd_deferred(self,year,amount):往某一年叠加延期涨幅ifyearinself.deferred_queue:self.deferred_queue[year]amountelse:self.deferred_queue[year]amountdefget_future_burden(self):查看未来各年累计待释放金额returndict(sorted(self.deferred_queue.items()))# 模拟2026年已知的延期队列queueFareAdjustmentQueue()# 之前延到2026年的 1.96%现在被推到2027queue.add_deferred(2027,0.0196)# 2026年压住的 2.85%分两年释放queue.add_deferred(2027,0.0143)# 一半queue.add_deferred(2028,0.0142)# 另一半futurequeue.get_future_burden()foryear,amountinfuture.items():print(f{year}年累计待释放: {amount*100:.2f}%)# 输出:# 2027年累计待释放: 3.39%# 2028年累计待释放: 1.42%注意2027年的3.39%还不包括2027年当年的新公式结果。如果2027年经济数据也指向加价数字会继续往上叠。五、数据可视化一图看懂不加价背后的账用matplotlib把延期释放的累积效应画出来# 第四步可视化 —— 延期释放累积效应importmatplotlib.pyplotaspltimportmatplotlib matplotlib.rcParams[font.sans-serif][Arial Unicode MS,SimHei]matplotlib.rcParams[axes.unicode_minus]Falseyears[2026\n(今年),2027\n(明年),2028\n(后年)]# 当年的延期释放会在下一年叠加deferred_values[0,3.39,1.42]cumulative[0,3.39,4.81]fig,(ax1,ax2)plt.subplots(1,2,figsize(14,5))# 左图每年待释放金额colors[#2E86AB,#A23B72,#F18F01]barsax1.bar(years,deferred_values,colorcolors,width0.6,edgecolorwhite,linewidth1.5)ax1.set_title(各年待释放的延期涨幅,fontsize14,fontweightbold,pad15)ax1.set_ylabel(待释放幅度 (%),fontsize12)forbar,valinzip(bars,deferred_values):ax1.text(bar.get_x()bar.get_width()/2,bar.get_height()0.1,f{val:.2f}%,hacenter,fontsize13,fontweightbold)# 右图累积效应ax2.plot([2026,2027,2028],cumulative,o-,linewidth3,markersize12,color#A23B72,markerfacecolor#F18F01)ax2.fill_between([2026,2027,2028],cumulative,alpha0.15,color#A23B72)ax2.set_title(延期涨幅累积效应,fontsize14,fontweightbold,pad15)ax2.set_ylabel(累积待释放 (%),fontsize12)fori,(x,y)inenumerate(zip([2026,2027,2028],cumulative)):ax2.annotate(f{y:.2f}%,(x,y),textcoordsoffset points,xytext(0,18),hacenter,fontsize12,fontweightbold)plt.tight_layout()plt.savefig(mtr_fare_deferral.png,dpi150,bbox_inchestight)plt.show()收藏本文下次遇到类似的多变量价格调整公式 延期释放机制直接把这段代码拿去改参数就能用。六、附送8条通勤路线的成本对比既然已经在算港铁的账顺手把港漂最常坐的8条通勤路线也做进了pandas。数据来源是港铁官网2026年6月八达通成人票价# 第五步8条通勤路线成本分析importpandasaspd routes[(上水 → 金钟,12.8,510,上水/乌溪沙-尖东全月通),(屯门 → 尖沙咀,21.5,545,屯门-南昌全月通),(将军澳 → 中环,12.8,445,都会票(40程/30天)),(荃湾 → 旺角,10.3,None,短途无需月票),(东涌 → 香港站,23.6,420,东涌-香港全月通),(大围 → 九龙塘,7.5,None,短途无需月票),(粉岭 → 尖东,14.5,510,上水/乌溪沙-尖东全月通),(落马洲 → 金钟,49.6,None,跨境段不适用月票),]data[]workdays22# 每月工作日forroute,single,monthly,noteinroutes:monthly_costsingle*2*workdays# 来回 × 22天savingmonthly_cost-monthlyifmonthlyelse0data.append({路线:route,单程(HKD):single,22天来回:round(monthly_cost),月票价格:monthlyifmonthlyelse—,月省金额:round(saving)ifsaving0else—,备注:note})dfpd.DataFrame(data)print(df.to_string(indexFalse))输出结果路线单程22天来回月票价格月省金额备注上水→金钟$12.8$563$510$53全月通屯门→尖沙咀$21.5$946$545$401屯门-南昌全月通将军澳→中环$12.8$563$445$118都会票荃湾→旺角$10.3$453——短途无需月票东涌→香港站$23.6$1,038$420$618东涌-香港全月通大围→九龙塘$7.5$330——短途无需月票粉岭→尖东$14.5$638$510$128全月通落马洲→金钟$49.6$2,182——跨境不适用屯门人用全月通一个月能省$401东涌人更夸张——省$618正常坐要$1,038。而跨境通勤落马洲出发一个月两千多块没有月票能省。七、环境信息项目版本Python3.10pandas2.0numpy1.24matplotlib3.7数据来源港铁官网(2026年6月) 政府统计处(2025年12月/2025年Q4) 星岛头条(2026-03-27)八、总结我们做了五件事实现了港铁票价调整公式——4行代码还原官方计算加了负担能力上限的判断——公式算2.85%触发上限→0%管理了延期释放队列——2.85%不会消失后年要还做了数据可视化——一眼看出累积效应附送了通勤成本分析——同一组数据pandas直接出结果这个案例的价值不在港铁本身在于它是一个完整的经济指标驱动公式的Python实现范式。你改一下参数就能用到其他场景——电费调价、物业费调整、租金年检公式思路是一样的。如果这篇对你有用收藏点赞你的支持让我继续写这类全流程数据分析教程。下一期打算写港铁延误数据的Python爬取ARIMA预测感兴趣的评论区说一声。参考链接港铁票价调整机制官方页面https://www.mtr.com.hk/fare-adjustment-mechanism/chi/星岛头条报道《港铁今年冻结票价》2026年3月27日数据来源港铁官网2026年6月票价、政府统计处2025年12月经济数据。代码在Python 3.10 pandas 2.0环境下测试通过。