Python Pandas 中的 shift() 函数,实现数据平移的完美利器!

发布时间:2024年01月12日

2987fd07e05184fc706feae255aca7a7.jpeg

更多Python学习内容:ipengtao.com

shift() 是 Pandas 中一个常用的数据处理函数,它用于对数据进行移动或偏移操作,常用于时间序列数据或需要计算前后差值的情况。本文将详细介绍 shift() 函数的用法,包括语法、参数、示例以及常见应用场景。

什么是 shift() 函数?

shift() 函数是 Pandas 库中的一个数据处理函数,用于将数据按指定方向移动或偏移。它可以对时间序列数据或其他类型的数据进行操作,通常用于计算时间序列数据的差值、百分比变化等。该函数的主要作用是将数据移动到指定的行或列,留下空白或填充 NaN 值。

shift() 函数的语法

shift() 函数的基本语法如下:

DataFrame.shift(periods=1,?freq=None,?axis=0,?fill_value=None)

参数说明:

  • periods:指定移动的步数,可以为正数(向下移动)或负数(向上移动)。默认为 1。

  • freq:可选参数,用于指定时间序列数据的频率,通常用于时间序列数据的移动操作。

  • axis:指定移动的方向,可以为 0(默认,沿行移动)或 1(沿列移动)。

  • fill_value:可选参数,用于填充移动后留下的空白位置,通常为填充 NaN 值。

shift() 函数的示例

通过一些示例来演示 shift() 函数的用法。

示例 1:向下移动数据

import?pandas?as?pd

data?=?{'A':?[1,?2,?3,?4,?5],
????????'B':?[10,?20,?30,?40,?50]}
df?=?pd.DataFrame(data)

#?向下移动一行数据
df_shifted?=?df.shift(periods=1)
print(df_shifted)

输出结果:

A?????B
0??NaN???NaN
1??1.0??10.0
2??2.0??20.0
3??3.0??30.0
4??4.0??40.0

在这个示例中,创建了一个包含两列数据的 DataFrame,并使用 shift() 函数向下移动了一行数据。移动后,第一行的数据被填充为 NaN。

示例 2:向上移动数据

import?pandas?as?pd

data?=?{'A':?[1,?2,?3,?4,?5],
????????'B':?[10,?20,?30,?40,?50]}
df?=?pd.DataFrame(data)

#?向上移动一行数据
df_shifted?=?df.shift(periods=-1)
print(df_shifted)

输出结果:

A?????B
0??2.0??20.0
1??3.0??30.0
2??4.0??40.0
3??5.0??50.0
4??NaN???NaN

这个示例,使用负数的 periods 参数将数据向上移动了一行。最后一行的数据被填充为 NaN。

示例 3:向右移动列数据

import?pandas?as?pd

data?=?{'A':?[1,?2,?3,?4,?5],
????????'B':?[10,?20,?30,?40,?50]}
df?=?pd.DataFrame(data)

#?向右移动一列数据
df_shifted?=?df.shift(periods=1,?axis=1)
print(df_shifted)

输出结果:

A?????B
0??NaN???1.0
1??NaN???2.0
2??NaN???3.0
3??NaN???4.0
4??NaN???5.0

在这个示例中,使用 axis=1 参数将列数据向右移动了一列,左边填充为 NaN。

示例 4:指定填充值

import?pandas?as?pd

data?=?{'A':?[1,?

2,?3,?4,?5],
????????'B':?[10,?20,?30,?40,?50]}
df?=?pd.DataFrame(data)

#?向下移动一行数据,填充空白处为?0
df_shifted?=?df.shift(periods=1,?fill_value=0)
print(df_shifted)

输出结果:

A???B
0??0???0
1??1??10
2??2??20
3??3??30
4??4??40

在这个示例中,使用 fill_value 参数指定了填充值为 0,因此移动后的空白位置被填充为 0。

常见应用场景

shift() 函数在处理时间序列数据、计算数据差值、计算百分比变化等方面非常有用。

1. 计算时间序列数据的差值

import?pandas?as?pd

#?创建一个包含时间序列数据的DataFrame
data?=?{'Date':?pd.date_range(start='2023-01-01',?periods=5,?freq='D'),
????????'Price':?[100,?105,?110,?108,?112]}
df?=?pd.DataFrame(data)

#?计算每日价格的差值
df['Price_Diff']?=?df['Price'].diff()
print(df)

输出结果:

Date??Price??Price_Diff
0?2023-01-01????100?????????NaN
1?2023-01-02????105?????????5.0
2?2023-01-03????110?????????5.0
3?2023-01-04????108????????-2.0
4?2023-01-05????112?????????4.0

2. 计算数据的滞后值或前值

import?pandas?as?pd

#?创建一个包含数据的DataFrame
data?=?{'Value':?[10,?20,?30,?40,?50]}
df?=?pd.DataFrame(data)

#?计算数据的滞后值(前一行的值)
df['Lagged_Value']?=?df['Value'].shift(1)
print(df)

输出结果:

Value??Lagged_Value
0?????10???????????NaN
1?????20??????????10.0
2?????30??????????20.0
3?????40??????????30.0
4?????50??????????40.0

3. 计算数据的百分比变化

import?pandas?as?pd

#?创建一个包含数据的DataFrame
data?=?{'Sales':?[1000,?1200,?1500,?1300,?1600]}
df?=?pd.DataFrame(data)

#?计算数据的百分比变化
df['Percentage_Change']?=?(df['Sales']?-?df['Sales'].shift(1))?/?df['Sales'].shift(1)?*?100
print(df)

输出结果:

Sales??Percentage_Change
0???1000?????????????????NaN
1???1200????????????????20.0
2???1500????????????????25.0
3???1300???????????????-13.3
4???1600????????????????23.1

4. 创建滑动窗口统计信息

import?pandas?as?pd

#?创建一个包含数据的DataFrame
data?=?{'Value':?[1,?2,?3,?4,?5,?6,?7,?8,?9,?10]}
df?=?pd.DataFrame(data)

#?计算数据的滑动平均值(窗口大小为3)
df['Moving_Average']?=?df['Value'].rolling(window=3).mean()
print(df)

输出结果:

Value??Moving_Average
0??????1??????????????NaN
1??????2??????????????NaN
2??????3??????????????2.0
3??????4??????????????3.0
4??????5??????????????4.0
5??????6??????????????5.0
6??????7??????????????6.0
7??????8??????????????7.0
8??????9??????????????8.0
9?????10??????????????9.0

总结

shift() 函数是 Pandas 中用于移动或偏移数据的重要工具。它可以处理时间序列数据、计算数据差值以及进行数据预处理。通过本文的介绍和示例,应该已经掌握了 shift() 函数的基本用法和常见应用场景。在实际数据分析和处理中,熟练使用这个函数将有助于提高工作效率和数据处理的精度。

如果你觉得文章还不错,请大家 点赞、分享、留言 下,因为这将是我持续输出更多优质文章的最强动力!

更多Python学习内容:ipengtao.com

干货笔记整理

? 100个爬虫常见问题.pdf ,太全了!

Python 自动化运维 100个常见问题.pdf

Python Web 开发常见的100个问题.pdf

124个Python案例,完整源代码!

PYTHON 3.10中文版官方文档

耗时三个月整理的《Python之路2.0.pdf》开放下载

最经典的编程教材《Think Python》开源中文版.PDF下载

6abf7b4d13211856aa83cebdbde0191b.png

点击“阅读原文”,获取更多学习内容

文章来源:https://blog.csdn.net/wuShiJingZuo/article/details/135542774
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。