python?DataFrame的shift()方法的使用

更新時(shí)間：2022年03月10日 08:55:30 作者：侯小啾

在python數(shù)據(jù)分析中，可以使用shift()方法對DataFrame對象的數(shù)據(jù)進(jìn)行位置的前滯、后滯移動，本文主要介紹了python?DataFrame的shift()方法的使用，感興趣的可以了解一下

語法

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

periods可以理解為移動幅度的次數(shù)，shift默認(rèn)一次移動1個(gè)單位，也默認(rèn)移動1次(periods默認(rèn)為1)，則移動的長度為1 * periods。
periods可以是正數(shù)，也可以是負(fù)數(shù)。負(fù)數(shù)表示前滯，正數(shù)表示后滯。
freq是一個(gè)可選參數(shù)，默認(rèn)為None，可以設(shè)為一個(gè)timedelta對象。適用于索引為時(shí)間序列數(shù)據(jù)時(shí)。
freq為None時(shí)，移動的是其他數(shù)據(jù)的值，即移動periods*1個(gè)單位長度。
freq部位None時(shí)，移動的是時(shí)間序列索引的值，移動的長度為periods * freq個(gè)單位長度。
axis默認(rèn)為0，表示對列操作。如果為行則表示對行操作。

移動滯后沒有對應(yīng)值的默認(rèn)為NaN。

示例

period為正，無freq

import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)
data = [51.0, 52.33, 51.21, 54.23, 56.78]
index = ['2022-2-28', '2022-3-1', '2022-3-2', '2022-3-3', '2022-3-4']
df = pd.DataFrame(data=data, index=index, columns=['close'])
df.index.name = 'date'
print(df)
print("=========================================")
df['昨收'] = df['close'].shift()
df['change'] = df['close'] - df['close'].shift()
print(df)

在這里插入圖片描述

period為負(fù)，無freq

import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)
data = [51.0, 52.33, 51.21, 54.23, 56.78]
index = ['2022-2-28', '2022-3-1', '2022-3-2', '2022-3-3', '2022-3-4']
index = pd.to_datetime(index)
index.name = 'date'

df = pd.DataFrame(data=data, index=index, columns=['昨收'])
print(df)
print("=========================================")
df['close'] = df['昨收'].shift(-1)
df['change'] = df['昨收'].shift(-1) - df['close']
print(df)

在這里插入圖片描述

period為正，freq為正

import pandas as pd
import datetime
pd.set_option('display.unicode.east_asian_width', True)
data = [51.0, 52.33, 51.21, 54.23, 56.78]
index = ['2022-2-28', '2022-3-1', '2022-3-2', '2022-3-3', '2022-3-4']
index = pd.to_datetime(index)
index.name = 'date'
df = pd.DataFrame(data=data, index=index, columns=['close'])
print(df)
print("=========================================")
print(df.shift(periods=2, freq=datetime.timedelta(3)))

如圖，索引列的時(shí)間序列數(shù)據(jù)滯后了6天。（二乘以三）

在這里插入圖片描述

period為正，freq為負(fù)

import pandas as pd
import datetime
pd.set_option('display.unicode.east_asian_width', True)
data = [51.0, 52.33, 51.21, 54.23, 56.78]
index = ['2022-2-28', '2022-3-1', '2022-3-2', '2022-3-3', '2022-3-4']
index = pd.to_datetime(index)
index.name = 'date'
df = pd.DataFrame(data=data, index=index, columns=['close'])
print(df)
print("=========================================")
print(df.shift(periods=3, freq=datetime.timedelta(-3)))

如圖，索引列的時(shí)間序列數(shù)據(jù)前滯了9天（三乘以負(fù)三）

在這里插入圖片描述

period為負(fù)，freq為負(fù)

import pandas as pd
import datetime
pd.set_option('display.unicode.east_asian_width', True)
data = [51.0, 52.33, 51.21, 54.23, 56.78]
index = ['2022-2-28', '2022-3-1', '2022-3-2', '2022-3-3', '2022-3-4']
index = pd.to_datetime(index)
index.name = 'date'
df = pd.DataFrame(data=data, index=index, columns=['close'])
print(df)
print("=========================================")
print(df.shift(periods=-3, freq=datetime.timedelta(-3)))

如圖，索引列的時(shí)間序列數(shù)據(jù)滯后了9天（負(fù)三乘以負(fù)三）

在這里插入圖片描述