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。
