pandas.Series.shift#

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

通过可选的时间 freq 将索引按所需周期数移动。

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。只要索引中设置了 freq 或 inferred_freq 属性，freq 就可以在指定为 “infer” 时被推断。

参数:

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。结果列的列名将带有移动后缀。对于多个周期，轴不能是1。
freqDateOffset, 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，此参数未使用并默认为 0。
fill_value对象，可选: 用于新引入的缺失值的标量值。默认值取决于 self 的 dtype。对于布尔和数值型的 NumPy 数据类型，使用 np.nan。对于日期时间、时间增量或周期等，使用 NaT。对于扩展数据类型，使用 self.dtype.na_value。
后缀str, 可选: 如果 str 和 periods 是一个可迭代对象，这会在每个移位列名之前和列名之后添加。

返回:

Series/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。

例子

>>> df = pd.DataFrame(
...     [[10, 13, 17], [20, 23, 27], [15, 18, 22], [30, 33, 37], [45, 48, 52]],
...     columns=["Col1", "Col2", "Col3"],
...     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