Python教程：shift函数实现数据偏移的方法

最新推荐文章于 2024-04-12 11:04:11 发布

Python热爱者

最新推荐文章于 2024-04-12 11:04:11 发布

阅读量9.9k

点赞数 10

文章标签： python 开发语言后端

原文链接：https://blog.csdn.net/qdPython?spm=1011.2124.3001.5343

版权

一、背景

当需要统计不同周期的变化情况时，需要使用数据偏移，在 Python 中使用 shift 函数实现。

# 一阶差分
diff_num = num - num.shift(1)

二、实现

1.创建测试表

import pandas as pd

dic = {'id':[1,2,2,3,3,3],
       'num':[4,2,7,10,5,5]       
       }

data = pd.DataFrame(dic)
print(data)
--------------------------------
   id  num
0   1    4
1   2    2
2   2    7
3   3   10
4   3    5
5   3    5

2.分析

新增一列存储每个id上一周期数量
将两列做差即可

3.shift函数

通过 shift 函数实现数据的上下偏移，使用语法：

df.shift(periods=1, freq=None, axis=0)

periods 偏移的幅度（正值表示下、右编译，负值表示上、左偏移）
freq 适用于时间索引的偏移值不发生变化
axis 轴向指定（axis=0表示纵向偏移，axis=1表示横向偏移，默认纵向）

4.实例

'''
学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
# 所有字段向下偏移一行
data.shift(1)
-----------------------
    id   num
0  NaN   NaN
1  1.0   4.0
2  2.0   2.0
3  2.0   7.0
4  3.0  10.0
5  3.0   5.0
------------------------

# 所有字段向上偏移一行
data.shift(-1)
-----------------------
    id   num
0  2.0   2.0
1  2.0   7.0
2  3.0  10.0
3  3.0   5.0
4  3.0   5.0
5  NaN   NaN
---------------------

# 所有字段向右偏移一列
data.shift(1, axis=1)
--------------------
   id  num
0 NaN  1.0
1 NaN  2.0
2 NaN  2.0
3 NaN  3.0
4 NaN  3.0
5 NaN  3.0
-------------------
# 所有字段向左偏移一列
data.shift(-1, axis=1)
-------------------
     id  num
0   4.0  NaN
1   2.0  NaN
2   7.0  NaN
3  10.0  NaN
4   5.0  NaN
5   5.0  NaN
----------------

# 全部偏移
data["last_num"] = data["num"]
data["last_num"] = data["last_num"].shift(1).fillna(0)
------------------------------
   id  num  last_num
0   1    4       0.0
1   2    2       4.0
2   2    7       2.0
3   3   10       7.0
4   3    5      10.0
5   3    5       5.0
----------------------------

# 按id分组偏移
data["last_num"] = data.groupby("id")["num"].shift(1).fillna(0)
data["diff_num"] = data["num"] - data["last_num"]
---------------------------
   id  num  last_num  diff_num
0   1    4       0.0       4.0
1   2    2       0.0       2.0
2   2    7       2.0       5.0
3   3   10       0.0      10.0
4   3    5      10.0      -5.0
5   3    5       5.0       0.0