pandas .shift|极客笔记

pandas .shift

在使用pandas的数据处理过程中，经常会遇到需要将某一列或多列数据按照特定规则进行位移的情况。这时候，我们就可以使用pandas提供的.shift方法来实现数据的位移操作。

什么是.shift方法

.shift方法是pandas中的一个用于数据位移的函数，通过指定periods参数来实现对数据的上移或下移。该方法可以应用于Series和DataFrame对象，并且支持对多列数据同时进行位移操作。

.shift方法的语法

.shift方法的基本语法如下：

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

periods参数表示要位移的幅度，可以为正数（向下位移）或负数（向上位移）；默认为1。
freq参数用于支持日期时间索引的位移操作，一般不需要设置。
axis参数表示要对哪个轴上的数据进行位移，默认为0，即对行进行位移。
fill_value参数表示如果位移后产生缺失值，可以用指定的值进行填充。

.shift方法的应用

下面通过一些示例来演示.shift方法在实际数据处理中的应用。

对单列数据进行位移

首先，我们创建一个包含数字的Series，并对其进行位移操作：

import pandas as pd

data = pd.Series([1, 2, 3, 4, 5])
print(data)

# 向下位移一位
data_shifted = data.shift(periods=1)
print(data_shifted)

# 向上位移两位
data_shifted_up = data.shift(periods=-2)
print(data_shifted_up)

运行结果如下：

0    1
1    2
2    3
3    4
4    5
dtype: int64

0    NaN
1    1.0
2    2.0
3    3.0
4    4.0
dtype: float64

0    3.0
1    4.0
2    5.0
3    NaN
4    NaN
dtype: float64

从结果可以看出，通过.shift方法可以轻松实现对单列数据的位移操作，同时产生的缺失值会用NaN进行填充。

对DataFrame多列数据进行位移

除了对单列数据进行位移外，.shift方法还可以对DataFrame的多列数据进行同时位移。

data = {'A': [1, 2, 3, 4, 5],
        'B': [10, 20, 30, 40, 50],
        'C': [100, 200, 300, 400, 500]}
df = pd.DataFrame(data)
print(df)

# 向下位移一位
df_shifted = df.shift(periods=1)
print(df_shifted)

# 向上位移两位
df_shifted_up = df.shift(periods=-2)
print(df_shifted_up)

运行结果如下：

   A   B    C
0  1  10  100
1  2  20  200
2  3  30  300
3  4  40  400
4  5  50  500

     A     B      C
0  NaN   NaN    NaN
1  1.0  10.0  100.0
2  2.0  20.0  200.0
3  3.0  30.0  300.0
4  4.0  40.0  400.0

     A     B      C
0   3.0  30.0  300.0
1   4.0  40.0  400.0
2   5.0  50.0  500.0
3   NaN   NaN    NaN
4   NaN   NaN    NaN

可以看到，对DataFrame的多列数据进行位移操作与对单列数据的操作类似，只是作用于多列数据而已。

使用fill_value参数填充缺失值

在进行位移操作时，有时我们希望对产生的缺失值进行填充，这时可以使用fill_value参数。

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

# 向下位移一位，并用0填充缺失值
df_shifted = df.shift(periods=1, fill_value=0)
print(df_shifted)

# 向上位移两位，并用100填充缺失值
df_shifted_up = df.shift(periods=-2, fill_value=100)
print(df_shifted_up)

运行结果如下：

   A   B
0  1  10
1  2  20
2  3  30
3  4  40
4  5  50

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

     A     B
0   3  30
1   4  40
2   5  50
3  100  100
4  100  100

可以看到，通过指定fill_value参数，可以对缺失值进行填充，这在一些实际数据处理中非常有用。