<\/p>\n
Je kunt de functie shift()<\/strong> in panda’s gebruiken om een kolom te maken waarin waarden worden weergegeven die zijn verschoven ten opzichte van een andere kolom.<\/span><\/p>\n Deze functie gebruikt de volgende basissyntaxis:<\/span><\/p>\n Merk op dat de waarde van de functie shift()<\/strong> het aantal waarden aangeeft waarvoor de verschuiving moet worden berekend.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Laten we zeggen dat we het volgende panda’s DataFrame hebben, waarin de verkopen van een winkel gedurende tien opeenvolgende dagen worden weergegeven:<\/span><\/span><\/p>\n We kunnen de functie shift()<\/strong> gebruiken om een shiftkolom te maken die voor elke rij de verkopen van de vorige dag weergeeft:<\/span><\/p>\n Zo interpreteert u het resultaat:<\/span><\/p>\n Enzovoort.<\/span><\/p>\n Merk op dat we ook meerdere offsetkolommen aan het DataFrame kunnen toevoegen als we dat willen:<\/span><\/p>\n U kunt dezelfde algemene aanpak gebruiken om zoveel offsetkolommen toe te voegen als u wilt.<\/span><\/span><\/p>\n Opmerking<\/strong> : om een primaire kolom te maken, gebruikt u eenvoudigweg negatieve waarden in de shift()-<\/strong> functie.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe kolommen in Panda’s te verwijderen<\/a> Je kunt de functie shift() in panda’s gebruiken om een kolom te maken waarin waarden worden weergegeven die zijn verschoven ten opzichte van een andere kolom. Deze functie gebruikt de volgende basissyntaxis: df[‚ lagged_col1 ‚] = df[‚ col1 ‚]. shift ( 1 ) Merk op dat de waarde van de functie shift() het aantal waarden […]<\/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":[],"class_list":["post-3523","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df[' lagged_col1<\/span> '] = df[' col1<\/span> ']. shift<\/span> ( 1<\/span> )<\/strong><\/pre>\n Voorbeeld: maak een offsetkolom in Panda’s<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' day<\/span> ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],\n ' sales<\/span> ': [18, 10, 14, 13, 19, 24, 25, 29, 15, 18]})\n#view DataFrame\n<\/span>print<\/span> (df)\n\n day sales\n0 1 18\n1 2 10\n2 3 14\n3 4 13\n4 5 19\n5 6 24\n6 7 25\n7 8 29\n8 9 15\n9 10 18\n<\/strong><\/pre>\n #add column that represents lag of sales column\n<\/span>df[' sales_previous_day<\/span> '] = df[' sales<\/span> ']. shift<\/span> ( 1<\/span> )\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n day sales sales_previous_day\n0 1 18 NaN\n1 2 10 18.0\n2 3 14 10.0\n3 4 13 14.0\n4 5 19 13.0\n5 6 24 19.0\n6 7 25 24.0\n7 8 29 25.0\n8 9 15 29.0\n9 10 18 15.0\n<\/strong><\/pre>\n\n
#add two lag columns\n<\/span>df[' sales_previous_day<\/span> '] = df[' sales<\/span> ']. shift<\/span> ( 1<\/span> )\ndf[' sales_previous_day2<\/span> '] = df[' sales<\/span> ']. shift<\/span> ( 2<\/span> ) \n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n day sales sales_previous_day sales_previous_day2\n0 1 18 NaN NaN\n1 2 10 18.0 NaN\n2 3 14 10.0 18.0\n3 4 13 14.0 10.0\n4 5 19 13.0 14.0\n5 6 24 19.0 13.0\n6 7 25 24.0 19.0\n7 8 29 25.0 24.0\n8 9 15 29.0 25.0\n9 10 18 15.0 29.0\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe u kolommen uitsluit in Panda’s<\/a>
Hoe een functie toe te passen op geselecteerde kolommen in Pandas
Hoe u de kolomvolgorde in Pandas DataFrame kunt wijzigen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"