Python Pandas dataframe.diff()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.diff()用于查找给定轴上对象的第一个离散差异。我们可以提供一个周期值来移动以形成差。

用法： DataFrame.diff(periods=1, axis=0)

参数:
periods:形成差异所需的时间
axis:对行(0)或列(1)求差。

返回:diffed：DataFrame

范例1：采用diff()函数查找周期值等于1的索引轴上的离散差。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe 
df = pd.DataFrame({"A":[5, 3, 6, 4], 
                   "B":[11, 2, 4, 3],  
                   "C":[4, 3, 8, 5], 
                   "D":[5, 4, 2, 8]}) 
  
# Print the dataframe 
df

现在找到索引轴上的离散差异。

# To find the discrete difference 
df.diff(axis = 0, periods = 1)

输出：

输出是一个数据单元格，其中的单元格包含索引轴上的离散差异。每个单元格中存在的值是当前单元格值与上一行对应单元格的差。注意，第一行是NaN填充。这是因为上面没有行可以找到与之不同的行，因此将其视为NaN。

范例2：采用diff()函数查找周期值等于1的列轴上的离散差。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe 
df = pd.DataFrame({"A":[5, 3, 6, 4], 
                   "B":[11, 2, 4, 3],  
                   "C":[4, 3, 8, 5],  
                   "D":[5, 4, 2, 8]}) 
  
# To find the discrete difference 
df.diff(axis = 1, periods = 1)

输出：

输出是一个数据帧，其中的单元格包含列轴上的离散差异。每个单元格中存在的值是当前单元格值与上一列对应单元格的差。注意，第一列是NaN填充。这是因为在其左侧没有任何列可找到与的差异，因此将其视为NaN。

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.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。