pandas DataFrame.shift()函数
pandas DataFrame.shift()函数可以把数据移动指定的位数
period参数指定移动的步幅,可以为正为负.axis指定移动的轴,1为行,0为列.
eg: 有这样一个DataFrame数据:
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
如果想让 a和b的数据都往下移动一位:
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动一位:
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动,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
一个例子:
这里有一组某车站各个小时的总进站人数和总出站人数的数据:
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] })
要求计算每个小时该车站进出站人数
思路: 把第n+1小时的总人数-第n小时的总人数,就是这个小时里的进出站人数
entries_and_exits_hourly = entries_and_exits - entries_and_exits.shift(axis=0)print(entries_and_exits_hourly.fillna(0)) #最后用0来填补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
pandas DataFrame.shift()函数相关推荐
- python中shift函数_pandas DataFrame.shift()函数
pandas DataFrame.shift()函数可以把数据移动指定的位数 period参数指定移动的步幅,可以为正为负.axis指定移动的轴,1为行,0为列. eg: 有这样一个DataFrame ...
- pandas使用shift函数对数数据进行向上偏移(-1)或者向下偏移(1)、索引不移动,移动之后无值的赋值为NaN、将原数据列与偏移后的数据列相加生成新的数据列
pandas使用shift函数对数数据进行向上偏移(-1)或者向下偏移(1).索引不移动,移动之后无值的赋值为NaN.将原数据列与偏移后的数据列相加生成新的数据列 目录
- Python之Pandas:pandas.DataFrame.to_csv函数的简介、具体案例、使用方法详细攻略
Python之Pandas:pandas.DataFrame.to_csv函数的简介.具体案例.使用方法详细攻略 目录 pandas.DataFrame.to_csv函数的简介 pandas.to_c ...
- python dataframe loc函数_python pandas.DataFrame.loc函数使用详解
官方函数 DataFrame.loc Access a group of rows and columns by label(s) or a boolean array. .loc[] is prim ...
- python数据去重的函数_python pandas dataframe 去重函数的具体使用
今天笔者想对pandas中的行进行去重操作,找了好久,才找到相关的函数 先看一个小例子 from pandas import Series, DataFrame data = DataFrame({' ...
- [转载] pandas DataFrame apply()函数(1)
参考链接: Pandas DataFrame中的转换函数 之前已经写过pandas DataFrame applymap()函数 还有pandas数组(pandas Series)-(5)apply方 ...
- Python pandas.DataFrame.combine_first函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.tz_localize函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- pandas学习笔记:pandas.Dataframe.rename()函数用法
pandas学习笔记:pandas.Dataframe.rename()函数用法 pandas.Dataframe.rename()函数主要是用来修改Dataframe数据的行名和列名. 主要用到的参 ...
最新文章
- php pthread 实例,php 真正的多线程 pthread
- jmeter随机参数化不重复_接口测试参数化详解(Jmeter)
- ORACLE TEXT FILTER PREFERENCE(四)
- Python 命令汇总
- 理想汽车2021年Q4盈利2.955亿元 CTO王凯离职
- Web开发之二:什么是前端、什么是后端
- BZOJ2654 Tree
- 5.3 Zend_Log_Filter
- 使用JSPanda扫描客户端原型污染漏洞
- [系统安全] 二十.PE数字签名之(上)什么是数字签名及Signtool签名工具详解
- http 415 错误
- java面试(1)如何防止恶意攻击短信验证码接口
- 《生与死》(瓦特·兰德)
- 深圳市自助图书馆详细分布地址
- WPF学习第十二集-绘图和动画
- 图片隐写之LSB(Least Significant Bit)原理及其代码实现
- java.lang.Short常用方法
- 第四届传智杯(初赛B组) | python题解思路
- 【厚积薄发系列】C++项目总结21—VS远程调试技巧分享
- 会说话:如何求人办事会说场面话
热门文章
- Python NumPy教程
- mac安装rstudio_在Windows / Linux / Mac OS上安装R和RStudio入门
- web前端面试:不做面试“海王”,一份资料就可成功上岸!
- C++/Python/Java/C,四大语言对比,你更喜欢哪种?
- Java基础篇:构造函数重载
- 第二单元总结——多线程设计
- 戴尔PowerEdge 4路服务器全面升级 实现企业应用与核心业务工作负载的优异性能...
- 如何实现一个HTML5 RPG游戏引擎——第五章,实现人物和人物特效
- Using C++ in Eclipse - Program file not Specified problem
- Ubuntu下安装VirtualBox和Android 安装到虚拟机中