pandas DataFrame.shift()函数的具体使用
发布时间：2026-10-15| 5人浏览过
本文详细介绍pandas中DataFrame.shift()函数的使用方法。通过解析periods和axis参数，演示数据在行与列方向的上下左右移动。结合地铁站进出站数据的实际案例，展示如何利用shift计算小时级净流量，并处理由此产生的NaN值，帮助读者掌握时间序列数据处理技巧。
pandas库中的DataFrame.shift()函数用于将数据沿指定轴移动指定的步长。
该函数主要包含两个关键参数：periods用于指定移动的步幅，其值可为正数或负数；axis用于指定移动的轴，其中0代表沿行方向移动（即向下或向上），1代表沿列方向移动（即向右或向左）。
示例：假设存在如下DataFrame数据结构：
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
若希望将a列和b列的数据整体向下移动一位：
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
若改为在行方向上向右移动一位：
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
若需实现向上或向左的移动效果，可将periods参数设置为负数（例如-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
以下是一个综合应用示例：
这里提供一组某地铁站各小时的累计进站人数与累计出站人数数据：
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]
})
目标要求是计算每个小时的实际进出站人数。
解题思路：通过计算第n+1小时的累计总人数减去第n小时的累计总人数，即可得出该小时内的实际进出站人数。
entries_and_exits_hourly = entries_and_exits - entries_and_exits.shift(axis=0)print(entries_and_exits_hourly.fillna(0)) #最后用0来填补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
关于pandas DataFrame.shift()函数的具体使用介绍至此，更多相关pandas DataFrame.shift()内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
