pandas.DataFrame.tshift在1.1.0之后的版本中已被shift替代

最新推荐文章于 2023-04-03 13:12:18 发布

rust&python

最新推荐文章于 2023-04-03 13:12:18 发布

阅读量520

点赞数

CC 4.0 BY-SA版权

分类专栏： pandas 文章标签： tshift

原文链接：https://www.cjavapy.com/article/774/

pandas 专栏收录该内容

3 篇文章

订阅专栏

Pandas中的DataFrame.tshift在1.1.0版本后被shift替代，用于时间序列数据的移动。shift方法允许用户按指定周期数移动数据，并可选择时间频率，支持轴向移动。当freq参数指定时，数据索引会根据时间规则移动，不改变数据。若不指定freq，将尝试从索引中推断频率。shift方法可用于在保持数据不变的情况下移动索引，或在移动索引的同时填充新引入的缺失值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas.DataFrame.tshift在1.1.0之后的版本中已被shift替代

转:Python pandas.DataFrame.tshift函数方法的使用

转自:https://www.cjavapy.com/article/819/

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.tshift方法的使用。

DataFrame.tshift(periods=1, freq=None, axis=0) [source]

Shift时间索引，如果可用，使用索引的频率。

自1.1.0版本以来已弃用:使用shift代替。

参数：

periods ：int

移动的周期数，可以是正的，也可以是负的。

freq ：DateOffset, timedelta, 或 str, 默认为 None

从tseries模块或以字符串表示的时间规则（例如，“EOM”）中使用的增量。

axis ：{0或'index'，1或'columns'，None}，默认0

对应于包含索引的axis 。

返回值：

shifted : Series/DataFrame

Notes

如果未指定freq，则尝试使用索引的freq或inferred_freq属性。如果这些属性都不存在，则会引发ValueError

Python pandas.DataFrame.shift函数方法的使用

转自:https://www.cjavapy.com/article/774/

DataFrame.shift(periods=1, freq=None, axis=0, fill_value=None) [source]

用一个可选的时间频率按所需的周期数移动索引。

当频率未通过时，在不重新排列数据的情况下移动索引。如果频率通过(在这种情况下,指数一定日期或日期时间,或将提高NotImplementedError),该指数将会增加使用时间和freq.频率时可以推断出指定为“infer”只要频率或inferred_freq属性设置在索引中。

参数：

periods：int

要转换的周期数。可以是正数或负数。

freq ：DateOffset，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’）。

如果指定了freq，则索引值会移位，但数据不会重新对齐。

也就是说，如果您想在移位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属性推断出来。

如果这些属性都不存在，则会引发ValueError

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

默认为 None

转变(Shift)方向。

fill_value：object, 可选

用于新引入的缺失值的标量值。默认值取决于self的dtype 。

对于数字数据，np.nan使用。对于日期时间，

时间增量或期间数据等NaT。对于扩展dtype，

self.dtype.na_value使用。

在1.1.0版中更改。用于新引入的缺失值的标量值。

默认值取决于self的dtype 。对于数字数据，

np.nan使用。对于日期时间，时间增量或期间数据等NaT。

对于扩展dtype，self.dtype.na_value使用。

在1.1.0版中更改。

返回值：

DataFrame

输入对象的副本，已移位。

例子

>>> 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  10.0  13.0
2020-01-02   NaN  20.0  23.0
2020-01-03   NaN  15.0  18.0
2020-01-04   NaN  30.0  33.0
2020-01-05   NaN  45.0  48.0

>>> 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

文档：pandas.DataFrame.shift