快捷導(dǎo)航

Pandas Shift函數(shù)的基礎(chǔ)入門學(xué)習(xí)筆記

更新時(shí)間：2018年11月16日 08:38:22 作者：標(biāo)點(diǎn)符

shift函數(shù)是對(duì)數(shù)據(jù)進(jìn)行移動(dòng)的操作，下面這篇文章主要給大家介紹了關(guān)于Pandas Shift函數(shù)的基礎(chǔ)入門學(xué)習(xí)筆記，文中通過示例代碼介紹的非常詳細(xì)，需要的朋友可以參考借鑒，下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

Pandas Shift函數(shù)基礎(chǔ)

在使用Pandas的過程中，有時(shí)會(huì)遇到shift函數(shù)，今天就一起來徹底學(xué)習(xí)下。先來看看幫助文檔是怎么說的：

>>> import pandas
>>> help(pandas.DataFrame.shift)
Help on function shift in module pandas.core.frame:
 
shift(self, periods=1, freq=None, axis=0)
 Shift index by desired number of periods with an optional time freq
 
 Parameters
 ----------
 periods : int
 Number of periods to move, can be positive or negative
 freq : DateOffset, timedelta, or time rule string, optional
 Increment to use from the tseries module or time rule (e.g. 'EOM').
 See Notes.
 axis : {0 or 'index', 1 or 'columns'}
 
 Notes
 -----
 If freq is specified then the index values are shifted but the data
 is not realigned. That is, use freq if you would like to extend the
 index when shifting and preserve the original data.
 
 Returns
 -------
 shifted : DataFrame

該函數(shù)主要的功能就是使數(shù)據(jù)框中的數(shù)據(jù)移動(dòng)，若freq=None時(shí)，根據(jù)axis的設(shè)置，行索引數(shù)據(jù)保持不變，列索引數(shù)據(jù)可以在行上上下移動(dòng)或在列上左右移動(dòng)；若行索引為時(shí)間序列，則可以設(shè)置freq參數(shù)，根據(jù)periods和freq參數(shù)值組合，使行索引每次發(fā)生periods*freq偏移量滾動(dòng)，列索引數(shù)據(jù)不會(huì)移動(dòng)。

參數(shù)詳解：

period：表示移動(dòng)的幅度，可以是正數(shù)，也可以是負(fù)數(shù)，默認(rèn)值是1,1就表示移動(dòng)一次，注意這里移動(dòng)的都是數(shù)據(jù)，而索引是不移動(dòng)的，移動(dòng)之后沒有對(duì)應(yīng)值的，就賦值為NaN。
freq： DateOffset, timedelta, or time rule string，可選參數(shù)，默認(rèn)值為None，只適用于時(shí)間序列，如果這個(gè)參數(shù)存在，那么會(huì)按照參數(shù)值移動(dòng)時(shí)間索引，而數(shù)據(jù)值沒有發(fā)生變化。
axis： {0, 1, ‘index', ‘columns'}，表示移動(dòng)的方向，如果是0或者'index'表示上下移動(dòng)，如果是1或者'columns'，則會(huì)左右移動(dòng)。

先來看一下一些簡單的示例：

1、非時(shí)間索引下period的設(shè)置

假設(shè)存在一個(gè)DataFrame數(shù)據(jù)df：

index value1
A 0
B 1
C 2
D 3

如果執(zhí)行以下代碼 df.shift() 就會(huì)變成如下：

index value1
A NaN
B 0
C 1
D 2

執(zhí)行 df.shift(2) 就會(huì)得到：

index value1
A NaN
B NaN
C 0
D 1

執(zhí)行 df.shift(-1) 會(huì)得到：

index value1
A 1
B 2
C 3
D NaN

注意，shift移動(dòng)的是整個(gè)數(shù)據(jù)，如果df有如下多列數(shù)據(jù)：

 AA BB CC DD
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15

執(zhí)行 df.shift(2) 的數(shù)據(jù)為：

 AA BB CC DD
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c 0.0 1.0 2.0 3.0
d 4.0 5.0 6.0 7.0

如果只想移動(dòng)df中的某一列數(shù)據(jù)，則需要這樣操作： df['DD']= df['DD'].shift(1)

執(zhí)行后的數(shù)據(jù)為：

 AA BB CC DD
a 0 1 2 NaN
b 4 5 6 NaN
c 8 9 10 11
d 12 13 14 15

2、時(shí)間索引下freq 參數(shù)設(shè)置

假設(shè)存在如下DataFrame的df：

df = pd.DataFrame(np.arange(16).reshape(4,4),columns=['AA','BB','CC','DD'],index =pd.date_range('2012-06-01','2012-06-04'))

   AA BB CC DD
2012-06-01 0 1 2 3
2012-06-02 4 5 6 7
2012-06-03 8 9 10 11
2012-06-04 12 13 14 15

執(zhí)行 df.shift(freq=datetime.timedelta(1)) 后：

   AA BB CC DD
2012-06-02 0 1 2 3
2012-06-03 4 5 6 7
2012-06-04 8 9 10 11
2012-06-05 12 13 14 15

執(zhí)行 df.shift(freq=datetime.timedelta(-2)) 后：

   AA BB CC DD
2012-05-30 0 1 2 3
2012-05-31 4 5 6 7
2012-06-01 8 9 10 11
2012-06-02 12 13 14 15

可以看到索引直接變了。

3、axis軸向設(shè)置

df = pd.DataFrame(np.arange(16).reshape(4,4),columns=['AA','BB','CC','DD'],index =['a','b','c','d'])
 
df
Out[1]: 
 AA BB CC DD
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15
#當(dāng)period為正時(shí)，默認(rèn)是axis = 0軸的設(shè)定，向下移動(dòng)
df.shift(2)
Out[2]: 
 AA BB CC DD
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c 0.0 1.0 2.0 3.0
d 4.0 5.0 6.0 7.0
#當(dāng)axis=1，沿水平方向進(jìn)行移動(dòng)，正數(shù)向右移，負(fù)數(shù)向左移
df.shift(2,axis = 1)
Out[3]: 
 AA BB CC DD
a NaN NaN 0.0 1.0
b NaN NaN 4.0 5.0
c NaN NaN 8.0 9.0
d NaN NaN 12.0 13.0
#當(dāng)period為負(fù)時(shí)，默認(rèn)是axis = 0軸的設(shè)定，向上移動(dòng)
df.shift(-1)
Out[4]: 
  AA BB CC DD
a 4.0 5.0 6.0 7.0
b 8.0 9.0 10.0 11.0
c 12.0 13.0 14.0 15.0
d NaN NaN NaN NaN

pandas 中上下兩行相減(隔行相減) -- shift函數(shù)的使用

最近使用pandas處理數(shù)據(jù)，需求是想相鄰兩行上下相減，查API發(fā)現(xiàn)shift函數(shù)，很靈活，。你也可以隔任意行相減。