<\/p>\n
Sie k\u00f6nnen die Funktion DataFrame.diff()<\/strong> verwenden, um den Unterschied zwischen zwei Zeilen in einem Pandas-DataFrame zu ermitteln.<\/span><\/p>\n Diese Funktion verwendet die folgende Syntax:<\/span><\/p>\n DataFrame.diff(Perioden=1, Achse=0)<\/span><\/strong><\/p>\n Gold:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame:<\/span><\/p>\n Der folgende Code zeigt, wie Sie den Unterschied zwischen jeder aktuellen Zeile eines DataFrame und der vorherigen Zeile ermitteln:<\/span><\/p>\n Beachten Sie, dass wir auch den Unterschied zwischen mehreren vorherigen Zeilen ermitteln k\u00f6nnen. Der folgende Code zeigt beispielsweise, wie Sie den Unterschied zwischen jeder aktuellen Zeile und der Zeile ermitteln, die drei Zeilen zuvor angezeigt wurde:<\/span><\/p>\n Wir k\u00f6nnen den DataFrame auch filtern, um Zeilen anzuzeigen, bei denen die Differenz zwischen der aktuellen Zeile und der vorherigen Zeile kleiner oder gr\u00f6\u00dfer als ein bestimmter Wert ist.<\/span><\/p>\n Der folgende Code gibt beispielsweise nur Zeilen zur\u00fcck, in denen der Wert der aktuellen Zeile kleiner als<\/strong> der Wert der vorherigen Zeile ist:<\/span><\/p>\n So finden Sie in Pandas eindeutige Werte in mehreren Spalten<\/a> Sie k\u00f6nnen die Funktion DataFrame.diff() verwenden, um den Unterschied zwischen zwei Zeilen in einem Pandas-DataFrame zu ermitteln. Diese Funktion verwendet die folgende Syntax: DataFrame.diff(Perioden=1, Achse=0) Gold: Perioden: Die Anzahl der vorherigen Zeilen zur Berechnung der Differenz. Achse: Finden Sie den Unterschied in Zeilen (0) oder Spalten (1). Die folgenden Beispiele zeigen, wie Sie diese Funktion […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Beispiel 1: Finden Sie den Unterschied zwischen den einzelnen vorherigen Zeilen<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' period<\/span> ': [1, 2, 3, 4, 5, 6, 7, 8],\n ' sales<\/span> ': [12, 14, 15, 15, 18, 20, 19, 24],\n ' returns<\/span> ': [2, 2, 3, 3, 5, 4, 4, 6]})\n\n#view DataFrame\n<\/span>df\n\n\tperiod sales returns\n0 1 12 2\n1 2 14 2\n2 3 15 3\n3 4 15 3\n4 5 18 5\n5 6 20 4\n6 7 19 4\n7 8 24 6<\/strong><\/pre>\n #add new column to represent sales differences between each row<\/span>\ndf[' sales_diff<\/span> '] = df[' sales<\/span> ']. diff<\/span> ()\n\n#view DataFrame\n<\/span>df\n\n period sales returns sales_diff\n0 1 12 2 NaN\n1 2 14 2 2.0\n2 3 15 3 1.0\n3 4 15 3 0.0\n4 5 18 5 3.0\n5 6 20 4 2.0\n6 7 19 4 -1.0\n7 8 24 6 5.0\n<\/strong><\/pre>\n #add new column to represent sales differences between current row and 3 rows earlier<\/span>\ndf[' sales_diff<\/span> '] = df[' sales<\/span> ']. diff<\/span> (periods= 3<\/span> )\n\n#view DataFrame\n<\/span>df\n\n period sales returns sales_diff\n0 1 12 2 NaN\n1 2 14 2 NaN\n2 3 15 3 NaN\n3 4 15 3 3.0\n4 5 18 5 4.0\n5 6 20 4 5.0\n6 7 19 4 4.0\n7 8 24 6 6.0<\/strong><\/pre>\n Beispiel 2: Finden Sie den Unterschied basierend auf der Bedingung<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' period<\/span> ': [1, 2, 3, 4, 5, 6, 7, 8],\n ' sales<\/span> ': [12, 14, 15, 13, 18, 20, 19, 24],\n ' returns<\/span> ': [2, 2, 3, 3, 5, 4, 4, 6]})\n\n#find difference between each current row and the previous row\n<\/span>df[' sales_diff<\/span> '] = df[' sales<\/span> ']. diff<\/span> ()\n\n#filter for rows where difference is less than zero\n<\/span>df = df[df[' sales_diff<\/span> ']< 0<\/span> ]\n\n#view DataFrame\n<\/span>df\n\n period sales returns sales_diff\n3 4 13 3 -2.0\n6 7 19 4 -1.0<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So filtern Sie einen Pandas DataFrame nach Spaltenwerten
So w\u00e4hlen Sie Zeilen nach Index in einem Pandas DataFrame aus<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"