时间:2021-05-22
如下所示:
>>> import pandas as pd>>> import numpy as np# 生成模拟数据>>> df = pd.DataFrame({'a':np.random.randint(1, 100, 10),\ 'b':np.random.randint(1, 100, 10)},\ index=map(str, range(10)))>>> df a b0 21 541 53 282 18 873 56 404 62 345 74 106 7 787 58 798 66 809 30 21# 纵向一阶差分,当前行减去上一行>>> df.diff() a b0 NaN NaN1 32.0 -26.02 -35.0 59.03 38.0 -47.04 6.0 -6.05 12.0 -24.06 -67.0 68.07 51.0 1.08 8.0 1.09 -36.0 -59.0# 横向一阶差分,当前列减去左边的列>>> df.diff(axis=1) a b0 NaN 33.01 NaN -25.02 NaN 69.03 NaN -16.04 NaN -28.05 NaN -64.06 NaN 71.07 NaN 21.08 NaN 14.09 NaN -9.0# 纵向二阶差分>>> df.diff(periods=2) a b0 NaN NaN1 NaN NaN2 -3.0 33.03 3.0 12.04 44.0 -53.05 18.0 -30.06 -55.0 44.07 -16.0 69.08 59.0 2.09 -28.0 -58.0# 纵向二阶差分,丢弃空值>>> df.diff(periods=2).dropna() a b2 -3.0 33.03 3.0 12.04 44.0 -53.05 18.0 -30.06 -55.0 44.07 -16.0 69.08 59.0 2.09 -28.0 -58.0以上这篇Python使用pandas对数据进行差分运算的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
pandas中对DataFrame筛选数据的方法有很多的,以后会后续进行补充,这里只整理遇到错误的情况。1.使用布尔型DataFrame对数据进行筛选使用一个条
python/和%和//(地板除)用于对数据进行除法运算。python中//和/和%简介python中与除法相关的三个运算符是//和/和%,下面逐一介绍。“/”
前言大家在使用Python进行数据分析时,经常要使用到的一个数据结构就是pandas的DataFrame,关于python中pandas.DataFrame的基
pandas.DataFrame选取特定行使用Python进行数据分析时,经常要使用到的一个数据结构就是pandas的DataFrame,如果我们想要像Exce
在Python里面,使用Pandas里面的DataFrame来存放数据的时候想要把数据集进行shuffle会许多的方法,本文介绍两种比较常用而且简单的方法。应用