pandas DataFrame.shift()函數(shù)的具體使用

更新時間：2021年05月24日 14:24:22 作者：詩&遠方

本文主要介紹了pandas DataFrame.shift()函數(shù)的使用，pandas DataFrame.shift()函數(shù)可以把數(shù)據(jù)移動指定的位數(shù)，有需要了解pandas DataFrame.shift()用法的朋友可以參考一下

pandas DataFrame.shift()函數(shù)可以把數(shù)據(jù)移動指定的位數(shù)

period參數(shù)指定移動的步幅,可以為正為負.axis指定移動的軸,1為行,0為列.

eg: 有這樣一個DataFrame數(shù)據(jù):

import pandas as pd
data1 = pd.DataFrame({
    'a': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
    'b': [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
})
print data1

   a  b
0  0  9
1  1  8
2  2  7
3  3  6
4  4  5
5  5  4
6  6  3
7  7  2
8  8  1
9  9  0

如果想讓 a和b的數(shù)據(jù)都往下移動一位:

data2 = data1.shift(axis=0)
print data2

     a    b
0  NaN  NaN
1  0.0  9.0
2  1.0  8.0
3  2.0  7.0
4  3.0  6.0
5  4.0  5.0
6  5.0  4.0
7  6.0  3.0
8  7.0  2.0
9  8.0  1.0

如果是在行上往右移動一位:

data3 = data1.shift(axis=1)
print data3

    a    b
0 NaN  0.0
1 NaN  1.0
2 NaN  2.0
3 NaN  3.0
4 NaN  4.0
5 NaN  5.0
6 NaN  6.0
7 NaN  7.0
8 NaN  8.0
9 NaN  9.0

如果想往上或者往左移動,可以指定(periods=-1):

data4 = data1.shift(periods=-1, axis=0)
print data4

     a    b
0  1.0  8.0
1  2.0  7.0
2  3.0  6.0
3  4.0  5.0
4  5.0  4.0
5  6.0  3.0
6  7.0  2.0
7  8.0  1.0
8  9.0  0.0
9  NaN  NaN

一個例子:

這里有一組某車站各個小時的總進站人數(shù)和總出站人數(shù)的數(shù)據(jù):

entries_and_exits = pd.DataFrame({
    'ENTRIESn': [3144312, 3144335, 3144353, 3144424, 3144594,
                 3144808, 3144895, 3144905, 3144941, 3145094],
    'EXITSn': [1088151, 1088159, 1088177, 1088231, 1088275,
               1088317, 1088328, 1088331, 1088420, 1088753]
})

要求計算每個小時該車站進出站人數(shù)

思路: 把第n+1小時的總人數(shù)-第n小時的總人數(shù),就是這個小時里的進出站人數(shù)

entries_and_exits_hourly = entries_and_exits - entries_and_exits.shift(axis=0)print(entries_and_exits_hourly.fillna(0))   #最后用0來填補NaN

   ENTRIESn  EXITSn
0       0.0     0.0
1      23.0     8.0
2      18.0    18.0
3      71.0    54.0
4     170.0    44.0
5     214.0    42.0
6      87.0    11.0
7      10.0     3.0
8      36.0    89.0
9     153.0   333.0

到此這篇關于pandas DataFrame.shift()函數(shù)的具體使用的文章就介紹到這了,更多相關pandas DataFrame.shift()內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: