pandas.DataFrame.shift#

DataFrame.shift(periods=1, freq=None, axis=0, fill_value=NoDefault.no_default)[源代码]#

使用可选时间按所需期间数移位索引 freq 。

什么时候 freq 未传递，则在不重新对齐数据的情况下移动索引。如果 freq 传递(在本例中，索引必须是日期或日期时间)，否则将引发 NotImplementedError )，则索引将使用句点和 freq 。 freq 当指定为“INFER”时，只要在索引中设置了FREQ或INFERSED_FREQ属性，就可以推断。

参数

periods集成: 要换班的期间数。可以是正数，也可以是负数。
freqDateOffset、tSeries、Offsets、TimeDelta或str，可选: 从tSeries模块或时间规则使用的偏移量(例如‘EOM’)。如果 freq 则移位索引值，但不重新对齐数据。也就是说，使用 freq 如果您希望在移动时扩展索引并保留原始数据。如果 freq 被指定为“INFER”，则将从索引的FREQ或INFERSED_FREQ属性中进行推断。如果这两个属性都不存在，则抛出ValueError。
axis{0或‘index’，1或‘Columns’，无}，默认为无: 换个方向。
fill_value对象，可选: 用于新引入的缺失值的标量值。默认设置取决于的数据类型 self 。对于数字数据， np.nan 使用的是。用于日期时间、时间增量或期间数据等。 NaT 使用的是。对于扩展数据类型， self.dtype.na_value 是使用的。

在 1.1.0 版更改.

退货

DataFrame: 输入对象的副本，已移动。

参见

Index.shift: 索引的移动值。
DatetimeIndex.shift: DatetimeIndex的移位值。
PeriodIndex.shift: 周期索引的移位值。
tshift: 移动时间索引，使用索引的频率(如果可用)。

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

pandas.DataFrame.set_index

pandas.DataFrame.skew