總第190篇/張俊紅

現在有如下這么一張表，這張表存儲了每個uid在不同周(w)的訂單情況。我們想知道每個用戶在不同周內消費頻次的變化情況。消費頻次變化的標準就是這周訂單數和上周訂單數的相對變化，如果這周訂單比上周增加了，就說明消費頻次提高了，反之則說明消費頻次降低了。

要實現上面的需求，其實只需要新增一列，這一列用來存儲每個uid在上一周期的訂單情況，然后將兩列進行做差，差的結果就是每個uid消費頻次的變化。具體結果如下：

上面這個結果該如何實現呢？也就是如何讓數據進行上下偏移呢？借助的就是Python中的shift函數，我們這一節就講講shift是怎么使用的。shift的功能是對數據進行偏移，該函數的具體參數如下：

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

periods為偏移的幅度；freq只適用于時間索引的偏移，是對索引的偏移，而值不發生變化；axis用來指明是橫向偏移還是縱向偏移，當axis=0時表示縱向偏移，默認就是縱向偏移，當要縱向偏移時，axis參數可以省略不寫。當axis=1時表示橫向偏移。如果periods為正，則表示向下/右偏移，如果peeriods為負，則表示向上/左偏移。接下來我們看一些具體實例：

df.shift(1)

運行上面的代碼，所有的數據向下偏移一行，具體結果如下：

df.shift(-1)

運行上面的代碼，所有的數據向上偏移一行，具體結果如下：

df.shift(1,axis?=?1)

運行上面的代碼，所有的數據向右偏移一列，具體結果如下：

df.shift(-1,axis?=?1)

運行上面的代碼，所有的數據向左偏移一列，具體結果如下：

了解完了shift用法以后我們來看下我們開頭那個需求該怎么做呢？新增加一列last_sales，并給其賦值為sales列，然后將last_sales這一列向上偏移一行。實現代碼如下：

df["last_sales"]?=?df["sales"] df["last_sales"]?=?df["last_sales"].shift(1) df

運行上面代碼，會得到每一行的sales_s與他的上一行的sales，這個sales不一定是他自己上一個周期的sales，比如第一個uid=2的上一個周期應該是0，但是這里面卻是4：

很明顯，上面的結果并非我們想要的結果，我們想要的是每個uid內的上一個周期的sales，而非每一行sales對應的上一行的sales，那怎么辦呢？方法就是在組內進行shift，也就是與groupby 進行組合使用，先對uid進行groupby，然后再進行shift偏移，具體代碼如下：

df["last_sales"]?=?df.groupby("uid")["sales"].shift(1).fillna(0) df

最后運行上面的代碼，就得到了我們開頭想要的結果，即每個uid當期的sales和他自己上一期的sales，具體結果如下：

以上就是關于shift函數的使用情況。

你還可以看：

最近瘋傳的SIR傳染病模型是什么？

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的利用Python实现数据偏移的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。