dask_expr._collection.Series.shift

dask_expr._collection.Series.shift¶

Series.shift(periods=1, freq=None, axis=0)¶

通过可选的时间 freq 将索引按所需周期数进行移位。

此文档字符串是从 pandas.core.frame.DataFrame.shift 复制而来的。

Dask 版本可能存在一些不一致性。

当 freq 未传递时，移动索引而不重新对齐数据。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），索引将使用周期和 freq 增加。当 freq 指定为 “infer” 时，只要索引中设置了 freq 或 inferred_freq 属性，就可以推断 freq。

参数

时期int 或 Sequence: 要移动的周期数。可以是正数或负数。如果是一个整数的可迭代对象，数据将按每个整数移动一次。这相当于一次移动一个值并将所有结果帧连接起来。生成的列将带有移动后缀的列名。对于多个周期，轴不能是1。
频率DateOffset, tseries.offsets, timedelta, 或 str, 可选: 从 tseries 模块或时间规则（例如 ‘EOM’）使用的偏移量。如果指定了 freq，则索引值会被移动，但数据不会重新对齐。也就是说，如果你希望在移动时扩展索引并保留原始数据，请使用 freq。如果将 freq 指定为 “infer”，则将从索引的 freq 或 inferred_freq 属性中推断出来。如果这些属性都不存在，则会抛出 ValueError。
轴{0 或 ‘index’, 1 或 ‘columns’, None}, 默认 None: 移动方向。对于 Series，此参数未使用，默认值为 0。
fill_value对象，可选（在Dask中不支持）: 用于新引入的缺失值的标量值。默认值取决于 self 的 dtype。对于数值数据，使用 np.nan。对于日期时间、时间增量或周期数据等，使用 NaT。对于扩展 dtypes，使用 self.dtype.na_value。
后缀str, 可选 (Dask 中不支持): 如果 str 和 periods 是一个可迭代对象，这将被添加到每个移位后的列名之前，并在列名之后。

返回

DataFrame: 复制的输入对象，已移动。

参见

Index.shift: 索引的移位值
DatetimeIndex.shift: DatetimeIndex 的移位值。
PeriodIndex.shift: 移动 PeriodIndex 的值。

示例

>>> 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

dask_expr._collection.Series.形状

dask_expr._collection.Series.size