一.shift()
df.shift(periods=1, freq=None, axis=0)
df = pd.DataFrame(np.arange(1,17).reshape(4,4),columns=['A','B','C','D'],index =['a','b','c','d'])
print(df)
A B C D
a 1 2 3 4
b 5 6 7 8
c 9 10 11 12
d 13 14 15 16
print(df.shift(3))
A B C D
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c NaN NaN NaN NaN
d 1.0 2.0 3.0 4.0
print(df.shift(2,axis = 1))
A B C D
a NaN NaN 1.0 2.0
b NaN NaN 5.0 6.0
c NaN NaN 9.0 10.0
d NaN NaN 13.0 14.0
print(df.shift(-1))
A B C D
a 5.0 6.0 7.0 8.0
b 9.0 10.0 11.0 12.0
c 13.0 14.0 15.0 16.0
d NaN NaN NaN NaN
df = pd.DataFrame(np.arange(1,17).reshape(4,4),columns=['A','B','C','D'],index =pd.date_range('10/1/2018','10/4/2018'))
print(df)
A B C D
2018-10-01 1 2 3 4
2018-10-02 5 6 7 8
2018-10-03 9 10 11 12
2018-10-04 13 14 15 16
print(df.shift(freq=datetime.timedelta(1)))
A B C D
2018-10-02 1 2 3 4
2018-10-03 5 6 7 8
2018-10-04 9 10 11 12
2018-10-05 13 14 15 16
print(df.shift(freq=datetime.timedelta(-1)))
A B C D
2018-09-30 1 2 3 4
2018-10-01 5 6 7 8
2018-10-02 9 10 11 12
2018-10-03 13 14 15 16
shift如字面義，移動，
函數中的幾個參數意義如下：
period：表示移動的幅度，可以是正數，也可以是負數，默認值是1,1就表示移動一次，移動之後沒有對應值的，就賦值爲NaN。
freq： DateOffset, timedelta, or time rule string，可選參數，默認值爲None，只適用於時間序列
axis： 軸向。0表示行向移動（上下移動），1表示列向移動（左右移動）
period與freq的區別：
period移動時，只移動數據，行列索引不移動；
freq移動時，只移動索引，數據不變，且只在索引是時間時生效
period移動時的理解：
整個數據塊移動，比如向下移動3行時，整個數據塊向下移動，原本下三行就移出了我們規定的4*4的矩陣，所以原本下三行的數據就不可見了，而原本第一行上面是沒有數據的，下移後依然爲空，只是pandas裏空數據一般以NaN佔位
freq移動時的理解：
時間的移動自然是前一天後一天這樣，所以，1就是後移一天，-1就是前移一天
二.map()，apply()，applymap()
def change(x):
if x > 2:
return 'big'
return 'small'
s = pd.Series([1, 2, 3, np.nan])
frame = pd.DataFrame(np.arange(1, 17).reshape(4,4), columns=list('abcd'), index=['A', 'B', 'C', 'D'])
s2 = s.map(lambda x: change(x),na_action=None)
s3 = s.map(lambda x: change(x).format(x),na_action='ignore')
print(s2,s3)
0 small
1 small
2 big
3 small
dtype: object
0 small
1 small
2 big
3 NaN
dtype: object
print(frame)
a b c d
A 1 2 3 4
B 5 6 7 8
C 9 10 11 12
D 13 14 15 16
print(frame.apply(lambda x:x.max()/x.min()))
a 13.0
b 7.0
c 5.0
d 4.0
dtype: float64
print(frame.applymap(change))
a b c d
A small small big big
B big big big big
C big big big big
D big big big big
Series.map(arg, na_action=None)
當na_action爲None時，NaN會被傳遞到函數中，如果ignore，則直接傳遞Na值，而不將它傳遞到函數
Series.apply(func, convert_dtype=True, args=(), **kwds)
func：function
convert_dtype：boolean，default True嘗試找到更好的dtype元素功能結果。如果爲False，則保留爲dtype = object
args：tuple除了值之外，還要傳遞位置參數