为帮助学习pandas，特意从和鲸社区中提炼出120道经典数据处理常见操作例题，从基础入门到进阶来更快速、更专业的角度理解pandas。主要包括：

Pandas基础Pandas进阶金融数据处理NumPy科学计算一些补充

（)

原始数据：

import pandas as pdimport numpy as npimport reimport timedata=pd.read_excel(r'C:\Users\huatian\Desktop\Python_test\python_120_test_data.xlsx')data.head().T

查看数据数量：data.shape

data.shape

如上图显示，数据有20行，50列。并利用data.info()进一步了解数据，每列数据是否有空值，数据类型，数据大小等

根据isnull().sum()，查看所有空值的列

data_col=data.isnull().sum()data_col[data_col>0]

现有一列float类型的数据，在我们的测试数据中是“salary”列，需求是：计算前一行与后一行数据的差值，并添加到原始数据中。

代码实现：

本次案例选择了DataFrame.diff()函数实现前一行与后一行数据的差值

data['salary_diff']=data['salary'].diff()

上面案例是数值类型计算得到的结果，那么如果是时间呢？前一行时间数据与后一行时间数据的差值！！！

data['createTime_diff']=data['createTime'].diff()

测试diff()函数得到前一行与后一行时间的差值，很有意思的是：当后一行时间早于前一行时间时，计算出的结果为-1days +时间差。注意注意！！！

DataFrame.diff()函数：是用来将数据进行某种移动之后与原数据进行比较得出的差异数据

DataFrame.diff(periods=1, axis=0)

即默认period=1，表示与前一行数据元素的差异

参数：

periods：移动的幅度，int类型，默认值为1。

axis：移动的方向，{0 or ‘index’, 1 or ‘columns’}，如果为0或者’index’，则上下移动，如果为1或者’columns’，则左右移动。

返回值 ：

DataFrame类型

总结

计算前一行与后一行数据的差值。很有意思的一个案例，在业务实验中很常见的，在python中利用dataframe.diff()函数很容易实现此功能。

#python#

#我要上头条#