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-平芜编程栈

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)+productivity+carryoverreturnround(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%}raw=calculate_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_result>income_change:capped=income_change deferred=raw_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_2026=0.0# Q4家庭月入中位数变动 = 0%final_rate,deferred_2026=apply_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queue=FareAdjustmentQueue()# 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future=queue.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']bars=ax1.bar(years,deferred_values,color=colors,width=0.6,edgecolor='white',linewidth=1.5)ax1.set_title('各年待释放的延期涨幅',fontsize=14,fontweight='bold',pad=15)ax1.set_ylabel('待释放幅度 (%)',fontsize=12)forbar,valinzip(bars,deferred_values):ax1.text(bar.get_x()+bar.get_width()/2,bar.get_height()+0.1,f'+{val:.2f}%',ha='center',fontsize=13,fontweight='bold')# 右图：累积效应ax2.plot(['2026','2027','2028'],cumulative,'o-',linewidth=3,markersize=12,color='#A23B72',markerfacecolor='#F18F01')ax2.fill_between(['2026','2027','2028'],cumulative,alpha=0.15,color='#A23B72')ax2.set_title('延期涨幅累积效应',fontsize=14,fontweight='bold',pad=15)ax2.set_ylabel('累积待释放 (%)',fontsize=12)fori,(x,y)inenumerate(zip(['2026','2027','2028'],cumulative)):ax2.annotate(f'{y:.2f}%',(x,y),textcoords="offset points",xytext=(0,18),ha='center',fontsize=12,fontweight='bold')plt.tight_layout()plt.savefig('mtr_fare_deferral.png',dpi=150,bbox_inches='tight')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=[]workdays=22# 每月工作日forroute,single,monthly,noteinroutes:monthly_cost=single*2*workdays# 来回 × 22天saving=monthly_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)ifsaving>0else'—','备注':note})df=pd.DataFrame(data)print(df.to_string(index=False))

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
Python	3.10+
pandas	2.0+
numpy	1.24+
matplotlib	3.7+
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)