pandas中的pct_change()、diff()和shift()函数详解

在pandas库中，pct_change()、diff()和shift()函数是用于处理时间序列数据或对数据进行差异或移动平均计算的常用函数。这些函数在数据分析、金融和统计等领域有着广泛的应用。

1. pct_change()函数
   pct_change()函数用于计算当前值与前一值之间的百分比变化。它返回一个与原始Series或DataFrame形状相同的Series或DataFrame，其中每个值都是前一个值的百分比变化。
   语法:

   Series.pct_change(periods=1, fill_method='ffill', limit=None, freq=None)

   参数:

• periods: 计算百分比变化的时期数。默认值为1。
• fill_method: 用于填充缺失值的方法。默认为’ffill’，即使用前一个非缺失值进行填充。
• limit: 在fill_method为’ffill’或’bfill’时，限制填充的次数。默认为None。
• freq: 用于指定时间序列的频率，如果需要与特定时间单位对齐。默认为None。
  示例:

  import pandas as pd
  import numpy as np
  # 创建一个简单的Series数据
  s = pd.Series([1, 2, 3, 4, 5])
  # 计算每个值与前一个值的百分比变化
  result = s.pct_change()
  print(result)

  输出:

  0    NaN
  1    1.0
  2    0.5
  3    0.333333
  4    0.25
  dtype: float64

1. diff()函数
   diff()函数用于计算连续值之间的差异。它返回一个与原始Series或DataFrame形状相同的Series或DataFrame，其中每个值都是前一个值的差分。
   语法:

   Series.diff(periods=1)

   参数:

• periods: 计算差异的时期数。默认值为1。
  示例:

  # 创建一个简单的Series数据
  s = pd.Series([1, 2, 3, 4, 5])
  # 计算每个值与前一个值的差异
  result = s.diff()
  print(result)

  输出:

  0    NaN
  1    1.0
  2    1.0
  3    1.0
  4    1.0
  dtype: float64

1. shift()函数
   shift()函数用于将数据沿着时间轴移动指定的时期数。它返回一个与原始Series或DataFrame形状相同的Series或DataFrame，其中每个值都被移到了前一个位置。可以使用正数表示向上移动，负数表示向下移动。
   语法:

   Series.shift(periods=1, freq=None, time_rule=None)

   参数:

• periods: 要移动的时期数。默认值为1。正值表示向上移动，负值表示向下移动。默认为1。如果为0，则不移动数据，而是将NaN添加到结果的前面或后面（取决于频率的方向）。如果为负值，则表示向下移动数据，将NaN添加到结果的前面或后面（取决于频率的方向）。如果为正值，则表示向上移动数据，将NaN添加到结果的前面或后面（取决于频率的方向）。默认情况下，如果输入数据为定期数据（即具有固定频率），则使用freq参数；否则，使用time_rule参数来指定移动的频率。freq参数指定了频率，而time_rule参数指定了时间规则，如’D’表示每天，’W’表示每周等。如果未指定任何参数，则将使用默认值（通常为1）。请注意，当使用freq参数时，默认情况下会将NaN添加到结果的前面或后面（取决于频率的方向），而不是将数据向下或向上移动。