我们在证券价格计算的时候，经常需要用到价格差分的计算，比如说 Pt-Pt-1 或者是 log（Pt）-log (Pt-1)。有鉴于我们获得的数据往往是完整的时间价格序列，在计算上述的价格差分时往往比较别扭。这种情况下，pandas 的 shift () 和 diff () 函数可以一步帮我们实现价格差分计算功能。
举个例子，中国银行（601988.XSHG）的时间价格序列如下表所示，通过下表也可以看出，diff () 函数其实就是 shift () 函数后，再与原来数字做差值。
PAflog.df.diff ()[1:0] 就可作为价格差分的时间序列，进而更复杂的时间序列分析，比如 ADF 检验等。
利用 diff () 对连续上涨或下跌的股票进行判断的示例程序（运行于 JoinQuant）可参考如下：
# 获取过去 5 天的价格数据，
hist = attribute_history('000001.XSHG', 5, unit='1d',
fields=['open', 'close', 'high', 'low', 'volume', 'money'],
skip_paused=True, df=True, fq='pre')['close']
if all(np.diff(hist)>0):
print ('5 日连续上涨强势股 ')
elif all(np.diff(hist) < 0):
print ('5 日连续下跌弱势股 ')
else:
print (' 既非强势股也非弱势股 ')