电商用户复购数据实战：图解Pandas的移动函数shift

Original 尤而小屋尤而小屋 2022-05-28

收录于合集

#python 79 个

#机器学习 94 个

#数分案例 14 个

#pandas 64 个

公众号：尤而小屋
作者：Peter
编辑：Peter

大家好，我是Peter~

本文主要介绍的是pandas中的一个移动函数：shift。最后结合一个具体的电商领域中用户的复购案例来说明如何使用shift函数。

这个案例综合性很强，除了需要掌握shift函数，你还会复习到以下pandas中的多个函数使用技巧，建议认真阅读、理解并收藏，欢迎点赞呀~

分组统计：groupby
过滤筛选数据：query
排序函数：sort_values
合并函数：concat
字段重命名：rename
缺失值删除：dropna
宝藏函数：apply

Pandas连载

Pandas文章连载系列已经到了第20篇，主要分为3类：

基础部分：1-16篇，主要是介绍Pandas中基础和常用操作，比如数据创建、检索查询、排名排序、缺失值/重复值处理等

进阶部分：第17篇开始讲解Pandas中的高级操作方法；后续主要是以时间序列相关为主

对比SQL，学习Pandas：将SQL和Pandas的操作对比起来进行学习

14种方式，34个案例：对比SQL，学习Pandas操作

参数说明

DataFrame.shift(periods=1, freq=None, axis=0, fill_value=<no_default>)

periods：表示移动的幅度，可正可负；默认值是1，1就表示移动一次。注意这里移动的都是数据，而索引是不移动的，移动之后没有对应值的，就赋值为NaN。
freq：DateOffset, timedelta, or time rule string，可选参数，默认值为None，只适用于时间序列。如果这个参数存在，那么会按照参数值移动时间索引，而数据值没有发生变化。
axis：表示按照哪个轴移动。axis=0表示index，横轴；axis=1表示columns，纵轴
fill_value：表示当我们数据发生了移动之后，产生的缺失值用什么数据填充。如果是数值型的缺失值，用np.nan；如果是时间类型的缺失值，用NaT（not a time）

模拟数据

模拟了两份数据，其中一份和时间相关。

import pandas as pd
import numpy as np

另一份是和时间相关的：

参数periods

表示每次移动的幅度

可以看到默认情况下，shift函数是在行方向上移动一个单位

参数axis

用来表示在哪个方向上进行移动，上面的例子默认是在axis=0，或者表示成：axis="index"

如果我们想在列方向上移动，可以使用axis=1或者axis="columns"

同时移动的幅度是可正可负的：

参数fill_value

移动之后缺失值的填充数据

参数freq

表示移动的频率，专门用于时间序列的移动中

频率

时间序列变化频率有间隔相同的，也有不同的。许多字符串别名被赋予有用的普通时间序列频率。我们将这些别名称为偏移别名。上面的shift函数中使用的就是这些别名，具体如下表所示：

别名	描述
B	工作日频率
C	自定义工作日频率
D	日历日频率
W	每周频率
M	每月最后一个日历日
SM	每半个月最后一个日历日（15日和月末）
BM	每月最后一个工作日
CBM	自定义每月最后一个工作日
MS	每月第一个日历日
SMS	每半月第一个日历日（第1和第15）
BMS	每月第一个工作日
CBMS	自定义每月第一个工作日
Q	每季度最后一个月的最后一个日历日
BQ	每季度最后一个月的最后一个工作日
QS	每季度最后一个月的第一个日历日
BQS	每季度最后一个月的第一个工作日
A, Y	每年的最后一个日历日
BA, BY	每年的最后一个工作日
AS, YS	每年的第一个日历日
BAS, BYS	每年的第一个工作日
BH	工作日按“时”计算频率
H	每小时频率
T, min	每分钟频率
S	每秒频率
L, ms	毫秒频率
U, us	微秒频率
N	纳秒频率