Python dask.dataframe.Series.diff用法及代码示例

用法: Series.diff(periods=1, axis=0)

元素的第一个离散差。

此文档字符串是从 pandas.core.frame.DataFrame.diff 复制而来的。

可能存在与 Dask 版本的一些不一致之处。

注意

Pandas 目前使用 object -dtype 列来表示具有缺失值的布尔数据。这可能会导致 boolean-specific 操作出现问题，例如 | 。要启用布尔特定的操作，代价是元数据与 pandas 不匹配，请在 shift 之后使用 .astype(bool)。

计算 Dataframe 元素与 Dataframe 中另一个元素的差异(默认为上一行中的元素)。

参数：

periods：整数，默认 1: 用于计算差异的周期，接受负值。
axis：{0 或 ‘index’，1 或 ‘columns’}，默认 0: 取行 (0) 或列 (1) 的差异。

DataFrame: 系列的第一个区别。

注意：

对于布尔数据类型，这使用 operator.xor() 而不是 operator.sub() 。结果是根据 Dataframe 中的当前 dtype 计算的，但结果的 dtype 始终为 float64。

例子：

与上一行的区别

>>> df = pd.DataFrame({'a': [1, 2, 3, 4, 5, 6],  
...                    'b': [1, 1, 2, 3, 5, 8],
...                    'c': [1, 4, 9, 16, 25, 36]})
>>> df  
   a  b   c
0  1  1   1
1  2  1   4
2  3  2   9
3  4  3  16
4  5  5  25
5  6  8  36

>>> df.diff()  
     a    b     c
0  NaN  NaN   NaN
1  1.0  0.0   3.0
2  1.0  1.0   5.0
3  1.0  1.0   7.0
4  1.0  2.0   9.0
5  1.0  3.0  11.0

与上一栏的区别

>>> df.diff(axis=1)  
    a  b   c
0 NaN  0   0
1 NaN -1   3
2 NaN -1   7
3 NaN -1  13
4 NaN  0  20
5 NaN  2  28

与前三行的区别

>>> df.diff(periods=3)  
     a    b     c
0  NaN  NaN   NaN
1  NaN  NaN   NaN
2  NaN  NaN   NaN
3  3.0  2.0  15.0
4  3.0  4.0  21.0
5  3.0  6.0  27.0

与下一行的区别

>>> df.diff(periods=-1)  
     a    b     c
0 -1.0  0.0  -3.0
1 -1.0 -1.0  -5.0
2 -1.0 -1.0  -7.0
3 -1.0 -2.0  -9.0
4 -1.0 -3.0 -11.0
5  NaN  NaN   NaN

输入数据类型溢出

>>> df = pd.DataFrame({'a': [1, 0]}, dtype=np.uint8)  
>>> df.diff()  
       a
0    NaN
1  255.0

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.dataframe.Series.diff。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：