利用Python实现数据偏移

现在有如下这么一张表，这张表存储了每个uid在不同周(w)的订单情况。我们想知道每个用户在不同周内消费频次的变化情况。消费频次变化的标准就是这周订单数和上周订单数的相对变化，如果这周订单比上周增加了，就说明消费频次提高了，反之则说明消费频次降低了。

要实现上面的需求，其实只需要新增一列，这一列用来存储每个uid在上一周期的订单情况，然后将两列进行做差，差的结果就是每个uid消费频次的变化。具体结果如下：

上面这个结果该如何实现呢？也就是如何让数据进行上下偏移呢？借助的就是Python中的shift函数，我们这一节就讲讲shift是怎么使用的。shift的功能是对数据进行偏移，该函数的具体参数如下：

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

periods为偏移的幅度；freq只适用于时间索引的偏移，是对索引的偏移，而值不发生变化；axis用来指明是横向偏移还是纵向偏移，当axis=0时表示纵向偏移，默认就是纵向偏移，当要纵向偏移时，axis参数可以省略不写。当axis=1时表示横向偏移。如果periods为正，则表示向下/右偏移，如果peeriods为负，则表示向上/左偏移。接下来我们看一些具体实例：

df.shift(1)

运行上面的代码，所有的数据向下偏移一行，具体结果如下：

df.shift(-1)

运行上面的代码，所有的数据向上偏移一行，具体结果如下：

df.shift(1,axis = 1)

运行上面的代码，所有的数据向右偏移一列，具体结果如下：

df.shift(-1,axis = 1)

运行上面的代码，所有的数据向左偏移一列，具体结果如下：

了解完了shift用法以后我们来看下我们开头那个需求该怎么做呢？新增加一列last_sales，并给其赋值为sales列，然后将last_sales这一列向上偏移一行。实现代码如下：

df["last_sales"] = df["sales"]
df["last_sales"] = df["last_sales"].shift(1)
df

运行上面代码，会得到每一行的sales_s与他的上一行的sales，这个sales不一定是他自己上一个周期的sales，比如第一个uid=2的上一个周期应该是0，但是这里面却是4：

很明显，上面的结果并非我们想要的结果，我们想要的是每个uid内的上一个周期的sales，而非每一行sales对应的上一行的sales，那怎么办呢？方法就是在组内进行shift，也就是与groupby 进行组合使用，先对uid进行groupby，然后再进行shift偏移，具体代码如下：

df["last_sales"] = df.groupby("uid")["sales"].shift(1).fillna(0)
df

最后运行上面的代码，就得到了我们开头想要的结果，即每个uid当期的sales和他自己上一期的sales，具体结果如下：

以上就是关于shift函数的使用情况。