Python Pandas dataframe.diff()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas dataframe.diff()用于查找对象在给定axis上的第一个离散差值。我们可以提供一个周期值来转移，以形成差异。

语法: DataFrame.diff(periods=1, axis=0)

参数:
periods：形成差异的时期，要进行转移。
axis：在行（0）或列（1）上取差。

返回： diffed : DataFrame

例子#1：使用diff()函数来查找周期值等于1的索引axis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

现在找出在索引axis上的离散差。

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

输出 :

输出是一个数据框架，其中的单元格包含索引axis上的离散差值。每个单元格中的值是当前单元格的值与前一行对应单元格的差。注意，第一行是NaN填充。这是因为上面没有任何一行可以找到差值，所以它被当作NaN处理。

例子#2：使用diff()函数查找周期值等于1的列axis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 :

输出是一个数据框架，其中的单元格包含列axis上的离散差异。每个单元格中的值是当前单元格的值与前一列对应单元格的差。注意，第一列是NaN填充。这是因为在它的左边没有一列可以找到差值，所以它被当作NaN处理。