Pandas实战100例 | 案例 68: 时间序列数据的移动（平移）

案例 68: 时间序列数据的移动（平移）

知识点讲解

在处理时间序列数据时，有时需要对数据进行移动（或平移）。Pandas 的 shift 方法允许你将数据向前或向后移动特定的时间步长。

• 时间序列数据的移动:
  • shift 方法可以将数据沿时间轴向前或向后移动。传递的参数决定了移动的步数（正数向后移动，负数向前移动）。

示例代码

# 准备数据和示例代码的运行结果，用于案例 68

# 示例数据
data_timeseries_shifting = {
    'Date': pd.date_range(start='2023-01-01', periods=5, freq='D'),
    'Value': [10, 20, 15, 30, 25]
}
df_timeseries_shifting = pd.DataFrame(data_timeseries_shifting)
df_timeseries_shifting.set_index('Date', inplace=True)

# 时间序列数据的移动（平移）
df_timeseries_shifting['Shifted'] = df_timeseries_shifting['Value'].shift(1)

df_timeseries_shifting

在这个示例中，我们对 Value 列进行了向后移动一步的操作。

示例代码运行结果

            Value  Shifted
Date                      
2023-01-01     10      NaN
2023-01-02     20     10.0
2023-01-03     15     20.0
2023-01-04     30     15.0
2023-01-05     25     30.0

这个结果显示了原始值和移动后的值。移动（平移）数据在分析时间序列、创建滞后变量或计算时间序列变化时非常有用。