pandas.Series.shift#

Series.shift(periods=1, freq=None, axis=0, fill_value=_NoDefault.no_default, suffix=None)[源代码]#

使用可选的时间 freq 将索引移动指定的周期数。

当未传递 freq 时，在不重新对齐数据的情况下移动索引。如果传递了 freq`（在这种情况下，索引必须是日期或日期时间，否则将引发 `NotImplementedError），则将使用周期和 freq 来增加索引。当 freq 指定为“infer”时，可以推断出 freq，只要索引中设置了 freq 或 inferred_freq 属性。

Parameters:
periodsint 或 Sequence

要移动的周期数。可以是正数或负数。如果是一个整数序列，数据将一次移动一个整数。这等效于一次移动一个值并连接所有产生的帧。生成的列将在其列名后附加移动的后缀。对于多个周期，axis 不能为 1。

freqDateOffset、tseries.offsets、timedelta 或 str，可选

要使用的 tseries 模块中的偏移量或时间规则（例如、“EOM”）。如果指定了 freq，则会移动索引值，但数据不会重新对齐。也就是说，如果您想在移动时扩展索引并保留原始数据，请使用 freq。如果 freq 指定为“infer”，则将从索引的 freq 或 inferred_freq 属性推断出来。如果这两个属性都不存在，则会引发 ValueError。

axis{0 或 ‘index’, 1 或 ‘columns’, None}, default None

移动方向。对于 Series，此参数未使用，默认为 0。

fill_valueobject, optional

用于新引入的缺失值标量。默认值取决于 self 的 dtype。对于数值数据，使用 np.nan。对于 datetime、timedelta 或 period 数据等，使用 NaT 。对于扩展 dtype，使用 self.dtype.na_value。

suffixbool, default False

如果 str 和 periods 是一个可迭代对象，则对于每个移位的列名，它会添加到列名之后和移位值之前。

Returns:
Series/DataFrame

输入对象的副本，已移位。

参见

Index.shift

Index 的移位值。

DatetimeIndex.shift

DatetimeIndex 的移位值。

PeriodIndex.shift

PeriodIndex 的移位值。

Examples

>>> df = pd.DataFrame({"Col1": [10, 20, 15, 30, 45],
...                    "Col2": [13, 23, 18, 33, 48],
...                    "Col3": [17, 27, 22, 37, 52]},
...                   index=pd.date_range("2020-01-01", "2020-01-05"))
>>> df
            Col1  Col2  Col3
2020-01-01    10    13    17
2020-01-02    20    23    27
2020-01-03    15    18    22
2020-01-04    30    33    37
2020-01-05    45    48    52

>>> df.shift(periods=3)
            Col1  Col2  Col3
2020-01-01   NaN   NaN   NaN
2020-01-02   NaN   NaN   NaN
2020-01-03   NaN   NaN   NaN
2020-01-04  10.0  13.0  17.0
2020-01-05  20.0  23.0  27.0

>>> df.shift(periods=1, axis="columns")
            Col1  Col2  Col3
2020-01-01   NaN    10    13
2020-01-02   NaN    20    23
2020-01-03   NaN    15    18
2020-01-04   NaN    30    33
2020-01-05   NaN    45    48

>>> df.shift(periods=3, fill_value=0)
            Col1  Col2  Col3
2020-01-01     0     0     0
2020-01-02     0     0     0
2020-01-03     0     0     0
2020-01-04    10    13    17
2020-01-05    20    23    27

>>> df.shift(periods=3, freq="D")
            Col1  Col2  Col3
2020-01-04    10    13    17
2020-01-05    20    23    27
2020-01-06    15    18    22
2020-01-07    30    33    37
2020-01-08    45    48    52

>>> df.shift(periods=3, freq="infer")
            Col1  Col2  Col3
2020-01-04    10    13    17
2020-01-05    20    23    27
2020-01-06    15    18    22
2020-01-07    30    33    37
2020-01-08    45    48    52

>>> df['Col1'].shift(periods=[0, 1, 2])
            Col1_0  Col1_1  Col1_2
2020-01-01      10     NaN     NaN
2020-01-02      20    10.0     NaN
2020-01-03      15    20.0    10.0
2020-01-04      30    15.0    20.0
2020-01-05      45    30.0    15.0
On this page
显示源代码