pandas.DataFrame.diff#
- DataFrame.diff(periods=1, axis=0)[源代码]#
单元的一阶离散差分。
计算DataFrame元素与DataFrame中的另一个元素之间的差异(默认为上一行中的元素)。
- 参数
- periods整型，默认值为1
用于计算差异的移动期，接受负值。
- axis{0或‘index’，1或‘Columns’}，默认为0
取行(0)或列(1)的差值。
- 退货
- DataFrame
系列的第一个不同之处。
参见
DataFrame.pct_change在给定期间数内的百分比变化。
DataFrame.shift使用可选的时间频率按所需的周期数移动索引。
Series.diff对象的第一个离散差分。
注意事项
对于布尔数据类型，它使用
operator.xor()而不是operator.sub()。根据DataFrame中的当前数据类型计算结果，但结果的数据类型始终为Float64。示例
与上一行的差异
>>> 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
与前一专栏的不同
>>> 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
与上一行第三行的差异
>>> 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
与后面的行不同
>>> 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
输入数据类型中的溢出
>>> df = pd.DataFrame({'a': [1, 0]}, dtype=np.uint8) >>> df.diff() a 0 NaN 1 255.0