pandas dataframe dataframe.shift() 函数
pandas dataframe.shift 方法用于将 dataframe 的索引按指定的周期数移位，时间频率可选。
pandas.dataframe.shift() 语法
dataframe.shift(periods=1, freq=none, axis=0, fill_value=none)
参数
periods |
整数。决定移动索引的周期数，可以是负数，也可以是正数 |
freq |
dateoffset、tseries.offsets、timedelta 或 str。可选参数，用于在不调整数据的情况下移动索引值 |
axis |
沿着行(axis=0)或列(axis=1)移动 |
fill_value |
用于新引入的缺失值的标量值 |
返回值
它返回一个带有移位索引值的 dataframe 对象。
示例代码：dataframe.shift() 函数沿行移动
import pandas as pd
df = pd.dataframe({'x': [1, 2, 3,],
'y': [4, 1, 8]})
print("original dataframe:")
print(df)
shifted_df=df.shift(periods=1)
print("shifted dataframe")
print(shifted_df)
输出：
original dataframe:
x y
0 1 4
1 2 1
2 3 8
shifted dataframe
x y
0 nan nan
1 1.0 4.0
2 2.0 1.0
这里，我们将 periods 的值设置为 1，这将使 dataframe 的行从顶部向底部移动 1 个单位。
在向底部移动的同时，最上面的行成为空缺，默认由 nan 值填充。
如果我们想将行从底部向顶部移动，我们可以将 periods 参数设置为负值。
import pandas as pd
df = pd.dataframe({'x': [1, 2, 3,],
'y': [4, 1, 8]})
print("original dataframe:")
print(df)
shifted_df=df.shift(periods=-2)
print("shifted dataframe")
print(shifted_df)
输出：
original dataframe:
x y
0 1 4
1 2 1
2 3 8
shifted dataframe
x y
0 3.0 8.0
1 nan nan
2 nan nan
它将行从底部向顶部移动，周期为 2。
示例代码：dataframe.shift() 函数沿列移动
如果我们想移动沿列轴移动，我们在 shift() 方法中设置 axis=1。
import pandas as pd
df = pd.dataframe({'x': [1, 2, 3,],
'y': [4, 1, 8]})
print("original dataframe:")
print(df)
shifted_df=df.shift(periods=1,axis=1)
print("shifted dataframe")
print(shifted_df)
输出：
original dataframe:
x y
0 1 4
1 2 1
2 3 8
shifted dataframe
x y
0 nan 1.0
1 nan 2.0
2 nan 3.0
在这里，我们将 periods 的值设置为 1，这将使 dataframe 的列轴从左向右移动 1 个单位。
如果我们想将列轴从右向左移动，我们为 periods 参数设置一个负值。
import pandas as pd
df = pd.dataframe({'x': [1, 2, 3,],
'y': [4, 1, 8]})
print("original dataframe:")
print(df)
shifted_df=df.shift(periods=-1,axis=1)
print("shifted dataframe")
print(shifted_df)
输出：
original dataframe:
x y
0 1 4
1 2 1
2 3 8
shifted dataframe
x y
0 4.0 nan
1 1.0 nan
2 8.0 nan
它将列轴从右向左移动了 1 个周期。
示例代码：dataframe.shift 方法，参数为 fill_value
在前面的例子中，移位后的缺失值默认用 nan 来填充，我们也可以通过使用 fill_value 参数用其他值而不是 nan 来填充。我们也可以通过使用 fill_value 参数用其他值而不是 nan 来填充缺失值。
import pandas as pd
df = pd.dataframe({'x': [1, 2, 3,],
'y': [4, 1, 8]})
print("original dataframe:")
print(df)
shifted_df=df.shift(periods=-1,
axis=1,
fill_value=4)
print("shifted dataframe")
print(shifted_df)
输出：
original dataframe:
x y
0 1 4
1 2 1
2 3 8
shifted dataframe
x y
0 4 4
1 1 4
2 8 4
它将所有由 shift() 方法创建的缺失值用 4 填充。
转载请发邮件至 1244347461@qq.com 进行申请，经作者同意之后，转载请以链接形式注明出处
本文地址：
相关文章
python pandas.pivot_table() 函数
发布时间：2024/04/24 浏览次数：82 分类：python
-
python pandas pivot_table()函数通过对数据进行汇总，避免了数据的重复。
pandas read_csv()函数
发布时间：2024/04/24 浏览次数：254 分类：python
-
pandas read_csv()函数将指定的逗号分隔值(csv)文件读取到 dataframe 中。
pandas 多列合并
发布时间：2024/04/24 浏览次数：628 分类：python
-
本教程介绍了如何在 pandas 中使用 dataframe.merge()方法合并两个 dataframes。
发布时间：2024/04/24 浏览次数：837 分类：python
-
本教程介绍了如何使用 python 中的 loc 和 iloc 从 pandas dataframe 中过滤数据。
发布时间：2024/04/24 浏览次数：894 分类：python
-
了解如何在 python 中将 pandas 系列日期时间转换为字符串
在 python pandas 中使用 str.split 将字符串拆分为两个列表列
发布时间：2024/04/24 浏览次数：1124 分类：python
-
本教程介绍如何使用 pandas str.split() 函数将字符串拆分为两个列表列。
