什么是 shift() 函數(shù)？

shift() 函數(shù)是 Pandas 庫中的一個(gè)數(shù)據(jù)處理函數(shù)，用于將數(shù)據(jù)按指定方向移動(dòng)或偏移。它可以對(duì)時(shí)間序列數(shù)據(jù)或其他類型的數(shù)據(jù)進(jìn)行操作，通常用于計(jì)算時(shí)間序列數(shù)據(jù)的差值、百分比變化等。該函數(shù)的主要作用是將數(shù)據(jù)移動(dòng)到指定的行或列，留下空白或填充 NaN 值。

shift() 函數(shù)的語法

shift() 函數(shù)的基本語法如下：

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

參數(shù)說明：

• periods：指定移動(dòng)的步數(shù)，可以為正數(shù)（向下移動(dòng)）或負(fù)數(shù)（向上移動(dòng)）。默認(rèn)為 1。

• freq：可選參數(shù)，用于指定時(shí)間序列數(shù)據(jù)的頻率，通常用于時(shí)間序列數(shù)據(jù)的移動(dòng)操作。

• axis：指定移動(dòng)的方向，可以為 0（默認(rèn)，沿行移動(dòng)）或 1（沿列移動(dòng)）。

• fill_value：可選參數(shù)，用于填充移動(dòng)后留下的空白位置，通常為填充 NaN 值。

shift() 函數(shù)的示例

通過一些示例來演示 shift() 函數(shù)的用法。

示例 1：向下移動(dòng)數(shù)據(jù)

import pandas as pd

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

# 向下移動(dòng)一行數(shù)據(jù)
df_shifted = df.shift(periods=1)
print(df_shifted)

輸出結(jié)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

在這個(gè)示例中，創(chuàng)建了一個(gè)包含兩列數(shù)據(jù)的 DataFrame，并使用 shift() 函數(shù)向下移動(dòng)了一行數(shù)據(jù)。移動(dòng)后，第一行的數(shù)據(jù)被填充為 NaN。

示例 2：向上移動(dòng)數(shù)據(jù)

import pandas as pd

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

# 向上移動(dòng)一行數(shù)據(jù)
df_shifted = df.shift(periods=-1)
print(df_shifted)

輸出結(jié)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

這個(gè)示例，使用負(fù)數(shù)的 periods 參數(shù)將數(shù)據(jù)向上移動(dòng)了一行。最后一行的數(shù)據(jù)被填充為 NaN。

示例 3：向右移動(dòng)列數(shù)據(jù)

import pandas as pd

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

# 向右移動(dòng)一列數(shù)據(jù)
df_shifted = df.shift(periods=1, axis=1)
print(df_shifted)

輸出結(jié)果：

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

在這個(gè)示例中，使用 axis=1 參數(shù)將列數(shù)據(jù)向右移動(dòng)了一列，左邊填充為 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)
# 向下移動(dòng)一行數(shù)據(jù)，填充空白處為 0
df_shifted = df.shift(periods=1, fill_value=0)
print(df_shifted)

輸出結(jié)果：

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

在這個(gè)示例中，使用 fill_value 參數(shù)指定了填充值為 0，因此移動(dòng)后的空白位置被填充為 0。

常見應(yīng)用場(chǎng)景

shift() 函數(shù)在處理時(shí)間序列數(shù)據(jù)、計(jì)算數(shù)據(jù)差值、計(jì)算百分比變化等方面非常有用。

1. 計(jì)算時(shí)間序列數(shù)據(jù)的差值

import pandas as pd
# 創(chuàng)建一個(gè)包含時(shí)間序列數(shù)據(jù)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)
# 計(jì)算每日價(jià)格的差值
df['Price_Diff'] = df['Price'].diff()
print(df)

輸出結(jié)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. 計(jì)算數(shù)據(jù)的滯后值或前值

import pandas as pd

# 創(chuàng)建一個(gè)包含數(shù)據(jù)的DataFrame
data = {'Value': [10, 20, 30, 40, 50]}
df = pd.DataFrame(data)

# 計(jì)算數(shù)據(jù)的滯后值（前一行的值）
df['Lagged_Value'] = df['Value'].shift(1)
print(df)

輸出結(jié)果：

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

3. 計(jì)算數(shù)據(jù)的百分比變化

import pandas as pd

# 創(chuàng)建一個(gè)包含數(shù)據(jù)的DataFrame
data = {'Sales': [1000, 1200, 1500, 1300, 1600]}
df = pd.DataFrame(data)

# 計(jì)算數(shù)據(jù)的百分比變化
df['Percentage_Change'] = (df['Sales'] - df['Sales'].shift(1)) / df['Sales'].shift(1) * 100
print(df)

輸出結(jié)果：

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

4. 創(chuàng)建滑動(dòng)窗口統(tǒng)計(jì)信息

import pandas as pd

# 創(chuàng)建一個(gè)包含數(shù)據(jù)的DataFrame
data = {'Value': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

# 計(jì)算數(shù)據(jù)的滑動(dòng)平均值（窗口大小為3）
df['Moving_Average'] = df['Value'].rolling(window=3).mean()
print(df)

輸出結(jié)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

總結(jié)

shift() 函數(shù)是 Pandas 中用于移動(dòng)或偏移數(shù)據(jù)的重要工具。它可以處理時(shí)間序列數(shù)據(jù)、計(jì)算數(shù)據(jù)差值以及進(jìn)行數(shù)據(jù)預(yù)處理。通過本文的介紹和示例，應(yīng)該已經(jīng)掌握了 shift() 函數(shù)的基本用法和常見應(yīng)用場(chǎng)景。在實(shí)際數(shù)據(jù)分析和處理中，熟練使用這個(gè)函數(shù)將有助于提高工作效率和數(shù)據(jù)處理的精度。

以上就是Python Pandas中的shift()函數(shù)實(shí)現(xiàn)數(shù)據(jù)平移應(yīng)用場(chǎng)景探究的詳細(xì)內(nèi)容，更多關(guān)于Python shift數(shù)據(jù)平移的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論