pandas习题 101：增加前一天销售额数据

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

（编码题）假设你有一个 pandas DataFrame，包含以下销售数据：

import pandas as pd

data = {
    '日期': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05'],
    '销售额': [100, 150, 200, 180, 220]
}
df = pd.DataFrame(data)

请使用 pandas 的 shift() 方法完成以下任务：

创建一个新列 '前一天销售额'，表示每一天的销售额前一天的值（第一天的值为 NaN）。
创建一个新列 '销售额差值'，表示当天销售额与前一天销售额的差值（第一天的差值为 NaN）。
解释 shift() 方法中 periods 参数的作用，并说明如果将 periods 设置为负值会发生什么。

要求：

写出完整的 Python 代码实现上述任务。
提供输出结果的 DataFrame。
回答第3部分的解释问题。

参考答案

1. Python 代码实现

import pandas as pd

# 创建 DataFrame
data = {
    '日期': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05'],
    '销售额': [100, 150, 200, 180, 220]
}
df = pd.DataFrame(data)

# 任务 1：创建 '前一天销售额' 列
df['前一天销售额'] = df['销售额'].shift(1)

# 任务 2：创建 '销售额差值' 列
df['销售额差值'] = df['销售额'] - df['前一天销售额']

# 输出结果
print(df)

2. 输出结果

运行上述代码后，DataFrame 的输出如下：

         日期  销售额  前一天销售额  销售额差值
0  2023-01-01  100      NaN     NaN
1  2023-01-02  150    100.0    50.0
2  2023-01-03  200    150.0    50.0
3  2023-01-04  180    200.0   -20.0
4  2023-01-05  220    180.0    40.0

3. `shift()` 方法中 `periods` 参数的解释

作用：shift() 方法用于将 DataFrame 或 Series 的索引或数据沿指定轴（通常是行）移动指定的步数。periods 参数决定移动的步数：
- 如果 periods > 0，数据向下移动（向后），前面的行会变成 NaN。例如，shift(1) 将数据向下移动一行，首行变为 NaN。
- 如果 periods = 0，数据不移动，返回原数据。
- 如果 periods < 0，数据向上移动（向前），后面的行会变成 NaN。例如，shift(-1) 将数据向上移动一行，末行变为 NaN。
负值的影响：当 periods 设置为负值时，数据会向上移动。例如，如果在上述代码中使用 df['销售额'].shift(-1)，会得到后一天的销售额，结果如下：

df['后一天销售额'] = df['销售额'].shift(-1)
print(df)

输出：

         日期  销售额  前一天销售额  销售额差值  后一天销售额
0  2023-01-01  100      NaN     NaN    150.0
1  2023-01-02  150    100.0    50.0   200.0
2  2023-01-03  200    150.0    50.0   180.0
3  2023-01-04  180    200.0   -20.0   220.0
4  2023-01-05  220    180.0    40.0     NaN

解释：shift(-1) 将“销售额”列向上移动一行，因此每行显示的是后一天的销售额，最后一行因为没有后续数据而为 NaN。

补充说明

shift() 方法默认沿轴 0（行）移动，若需沿列移动，可设置 axis=1。
fill_value 参数可用于指定填充 NaN 的值，例如 shift(1, fill_value=0) 会用 0 填充 NaN。

（完）