pandas怎么使用DataFrame.shift()函數(shù)？如何操作數(shù)據(jù)？

在學(xué)習(xí)自動(dòng)化辦公的時(shí)候，我們可能會(huì)涉及到一些數(shù)據(jù)的操作，比如說將某個(gè)表格區(qū)域的數(shù)據(jù)進(jìn)行上下左右的移動(dòng)，但我們只是空有這樣的想法卻不知道怎么實(shí)現(xiàn)。實(shí)際上我們?cè)趯W(xué)習(xí)自動(dòng)化辦公的時(shí)候會(huì)學(xué)習(xí)到一個(gè)python庫叫做pandas，pandas可以進(jìn)行數(shù)據(jù)的移動(dòng)操作。那么pandas如何操作數(shù)據(jù)呢？且聽小編娓娓道來。

操作

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

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

eg: 有這樣一個(gè)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(dòng)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(dòng)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(dòng),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(gè)例子:

這里有一組某車站各個(gè)小時(shí)的總進(jìn)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(jì)算每個(gè)小時(shí)該車站進(jìn)出站人數(shù)

思路: 把第n+1小時(shí)的總?cè)藬?shù)-第n小時(shí)的總?cè)藬?shù),就是這個(gè)小時(shí)里的進(jìn)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(bǔ)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

小結(jié)

到此這篇關(guān)于pandas如何移動(dòng)數(shù)據(jù)的文章就介紹到這了。更多相關(guān)pandas 的使用方法介紹請(qǐng)搜索W3Cschool以前的文章或繼續(xù)瀏覽下面的相關(guān)文章。希望大家以后多多支持W3Cschool！