pandas 中上下两行相减(隔行相减) -- shift函数的使用
最近使用pandas处理数据，需求是想相邻两行上下相减，查API发现shift函数，很灵活，。你也可以隔任意行相减。
p['xx_1'] = p["xx"].shift(1)
上面得到的就是xx字段向下移动一行的结果，和之前相比向下移动一行，你可以设置为任意行，也可是向上向下
p['xx'] - p["xx_1"]
这就是前后两行的差值，很方便，Pandas很强大

这里首先要介绍官方文档，对 python 有了进一步深度的学习的大家们应该会发现，网上不管csdn或者简书上还是什么地方，教程来源基本就是官方文档，所以英语只要还过的去，推荐看官方文档，就算不够好，也可以只看它里面的sample就够了 好了，不说废话，看我的代码： import pandas as pd import numpy as np rng = pd.date_range('20180101', periods=40) ts = pd.Series(np.arange(1,41), index=rng)#这一 行 和上一 行 生成了一个index为时间，一共40天的数据 ts_m = ts.re

今天接到一个需求，要求对数据 错位 相减 。感觉写得有点麻烦，如果有其他方 法 ，欢迎留言交流 数据说明：有客户、消费日期、消费额度 求解目标：对于 同一 个客户，对日期升序排序，如果下一个日期的消费额度大于上一个日期的消费额度，则标记，最终取出第一次发生时对应的较大的日期 最简单的方 法 是使用 pandas .Series.shift 具体可参考官方文档 https:// pandas .pydata.org/ pandas -docs/stable/reference/api/ pandas .Series.shift.html a=np.array([['北京','北方','一线','非沿海'],['杭州','南方','二线','非沿海'],['深圳','南方','一线','沿海'],['烟台','北方','三线','沿海']]) df1=pd.DataFrame(a,index=[1,2,3,4],columns=['城市','地理','级别','是否沿海']) 城市 地理 级别 是否沿海 1 北京 北方 一线 非沿海 2 杭州 南方 二线 非沿海 3 深圳 南方 一线 沿海 4 烟台 北方 三线 沿海 假如我们把

1.diff()函数df['1].diff() 结果第一个结果为NAN。 2.shift()函数：df['1'].shift(-1) - df['1'] 代表下一 行 减去上一 行 。 结果最后一 行 值为NAN。 Series.shift(periods=1, freq=None, axis=0, fill_value=None) 3. pandas 对单 列 、多 列 进 行 计算 对多 列 进 行 公式计算： https://blog.csdn.net/zwhooo/article/details/79696558 需求： 按照表1的“用户唯一ID”，在表2 中找到对应的“客户风险等级”和“评估日期” 难点： 每个“用户唯一ID”对对应不同“评估日期”日期下的“客户风险等级”，所以不能简单的使用pd.merge() 解决方 法 ： 双层循环，找到时间差小的“评估日期”作为当前用户的“客户风险等级”，同时为了体现是最近的信息，必须保证 # 客户风险表 ## 因为每个用户在不同时期会有不同的风险等级，所以这里需要一个一个迭代，去匹配与当前交易日期最接近的评估日期下的风险等级 custom_ri

Pandas 数据操作import pandas as pd1. 索引操作1.1 Series索引1.1.1 行 索引Series通过索引获取对应的value有两种方式。一种是通过索引的名称，一种是通过位置# 先创建一个索引维abcde的Series ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e']) print ser_ob