pandas 下一行减去上一行

1.diff()函数df['1].diff()
结果第一个结果为NAN。

2.shift()函数：df['1'].shift(-1) - df['1'] 代表下一行减去上一行。结果最后一行值为NAN。

• pandas DataFrame.shift()函数可以把数据移动指定的位数。
• period参数指定移动的步幅,可以为正为负.axis指定移动的轴,1为行,0为列.

Series.shift(periods=1, freq=None, axis=0, fill_value=None)

shift()函数：默认向下（axis=0）向右移动（axis=1）。
如果想要向上向左移动，需要设置参数periods=-1，即向上移动：data.shift(periods=-1, axis=0)
向左移动：data.shift(periods=-1, axis=1)

3.pandas对单列、多列进行计算
对多列进行公式计算：
https://blog.csdn.net/zwhooo/article/details/79696558

4.python中上下行、列之间运算

改行与上一行做运算：

df['B'] = math.sqrt(df['A'] * df['A'].shift(periods=-1, axis=0))

报错：

解决办法：https://stackoverflow.com/questions/42988348/typeerror-cannot-convert-the-series-to-class-float

代码修改为：

df["B"] = (df["A"] * df["A"].shift(periods=-1, axis=0)).apply(lambda x: math.sqrt(x))  

5.计算累计和
cumsum()函数：求前n个元素的累积值

df["B"] = df['A'].cumsum(axis=0) #按行计算

更新：20220320
实际应用：计算体积ws = 1/3 * (h2-h1)/1000 *(a1+a2+sqart(a1*a2))
代码：

df = pd.read_excel('./424.xlsx')

#wl_change_2010-1
df["wl_change_2010-1"] = df['WL_change_month'].cumsum(axis=0) #by row

#h2 - h1 = df['WL_change_month']/1000
#ws_change_month

m = (df["predictions_area"] * df["predictions_area"].shift(periods=-1, axis=0)).apply(lambda x: math.sqrt(x))
df['m1'] = m.shift() #sqart(a1*a2)
n = df["predictions_area"] + df["predictions_area"].shift(periods=-1, axis=0)
df['n1'] = n.shift() #sum(a1+a2)

df.eval('ws_change_month = (WL_change_month/1000/3) * (m1 + n1)' , inplace=True)
df['ws_change_month'].fillna(0,inplace=True)
#ws_change_2010-1
df["ws_change_2010-1"] = df['ws_change_month'].cumsum(axis=0) #by row
df['ws_change_2010-1'].fillna(0,inplace=True)

#export data
df_new = pd.DataFrame(df,columns=['ID','Date','YearMonth','WL','Area','predictions_area',
                                  'WL_change_month','wl_change_2010-1',
                                  'ws_change_month','ws_change_2010-1'])

df_new.to_excel(r'./2calculate_ws/424.xlsx',index = False)

更新20220321：
df.eval函数：

Pandas dataframe.eval()函数用于在调用 DataFrame 实例的上下文中评估表达式。该表达式在 DataFrame 的列上求值。

DataFrame.eval(expr, inplace=False, **kwargs)

参数：

• expr:要计算的表达式字符串。
• inplace:如果表达式包含一个赋值，则是否就地执行操作并更改现有的DataFrame。否则，新
  返回DataFrame。
• 返回：ret：ndarray，标量或pandas对象。

实例：

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df=pd.DataFrame({"A":[1,5,7,8], 
                 "B":[5,8,4,3], 
                 "C":[10,4,9,3]}) 
# To evaluate the sum over all the columns 
df.eval('D = A + B+C', inplace = True)
df

参考资料：https://vimsky.com/examples/usage/python-pandas-dataframe-eval.html

代码007普通

打赏 收藏 海报 链接