python DataFrame的shift()方法

import pandas as pd

pd.set_option(‘display.unicode.east_asian_width’, True)

data = [51.0, 52.33, 51.21, 54.23, 56.78]

index = [‘2022-2-28’, ‘2022-3-1’, ‘2022-3-2’, ‘2022-3-3’, ‘2022-3-4’]

index = pd.to_datetime(index)

index.name = ‘date’

df = pd.DataFrame(data=data, index=index, columns=[‘昨收’])

print(df)

print(“=========================================”)

df[‘close’] = df[‘昨收’].shift(-1)

df[‘change’] = df[‘昨收’].shift(-1) - df[‘close’]

print(df)

在这里插入图片描述


period为正,freq为正


import pandas as pd

import datetime

pd.set_option(‘display.unicode.east_asian_width’, True)

data = [51.0, 52.33, 51.21, 54.23, 56.78]

index = [‘2022-2-28’, ‘2022-3-1’, ‘2022-3-2’, ‘2022-3-3’, ‘2022-3-4’]

index = pd.to_datetime(index)

index.name = ‘date’

df = pd.DataFrame(data=data, index=index, columns=[‘close’])

print(df)

print(“=========================================”)

print(df.shift(periods=2, freq=datetime.timedelta(3)))

如图,索引列的时间序列数据滞后了6天。(二乘以三)

在这里插入图片描述

period为正,freq为负


import pandas as pd

import datetime

pd.set_option(‘display.unicode.east_asian_width’, True)

data = [51.0, 52.33, 51.21, 54.23, 56.78]

index = [‘2022-2-28’, ‘2022-3-1’, ‘2022-3-2’, ‘2022-3-3’, ‘2022-3-4’]

index = pd.to_datetime(index)

index.name = ‘date’

df = pd.DataFrame(data=data, index=index, columns=[‘close’])

print(df)

print(“=========================================”)

print(df.shift(periods=3, freq=datetime.timedelta(-3)))

如图,索引列的时间序列数据前滞了9天(三乘以负三)

在这里插入图片描述

period为负,freq为负


import pandas as pd

import datetime

pd.set_option(‘display.unicode.east_asian_width’, True)

data = [51.0, 52.33, 51.21, 54.23, 56.78]

index = [‘2022-2-28’, ‘2022-3-1’, ‘2022-3-2’, ‘2022-3-3’, ‘2022-3-4’]

index = pd.to_datetime(index)

index.name = ‘date’

df = pd.DataFrame(data=data, index=index, columns=[‘close’])

print(df)

print(“=========================================”)

print(df.shift(periods=-3, freq=datetime.timedelta(-3)))

如图,索引列的时间序列数据滞后了9天(负三乘以负三)
在这里插入图片描述
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。

五、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友,可以戳这里无偿获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

在 Pandas 中,`groupby` 函数可以把数据按照指定的列进行分组,然后对每个分组进行相应的操作。如果我们需要对每个分组中的某一列进行位移操作,可以使用 `shift` 函数。 例如,假设我们有一个 DataFrame,其中包含了每个城市每天的温度数据,我们想要计算每个城市两天之间的温度变化,可以按照城市进行分组,然后对温度列进行 `shift` 操作,如下所示: ```python import pandas as pd # 创建 DataFrame df = pd.DataFrame({ 'city': ['Beijing', 'Beijing', 'Beijing', 'Shanghai', 'Shanghai', 'Shanghai'], 'date': ['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-01', '2020-01-02', '2020-01-03'], 'temperature': [1, 2, 3, 4, 5, 6] }) # 按照城市分组,并对温度列进行 shift 操作 df['temperature_change'] = df.groupby('city')['temperature'].shift(-1) - df['temperature'] print(df) ``` 输出结果如下: ``` city date temperature temperature_change 0 Beijing 2020-01-01 1 1.0 1 Beijing 2020-01-02 2 1.0 2 Beijing 2020-01-03 3 NaN 3 Shanghai 2020-01-01 4 1.0 4 Shanghai 2020-01-02 5 1.0 5 Shanghai 2020-01-03 6 NaN ``` 可以看到,我们成功地计算出了每个城市两天之间的温度变化。在这个例子中,我们使用了 `shift(-1)` 对温度列进行位移操作,表示往后移动一行。如果我们想要往前移动一行,可以使用 `shift(1)`。同时,我们还需要对计算出的结果进行命名,这里我们把它命名为 `temperature_change`。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值