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

妖狐艹你老母 2022-10-24 14:28 23阅读 0赞

# 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/][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) **[**\[source\]**][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。

<table> 
 <tbody> 
 <tr> 
 <td> 参数： </td> 
 <td> periods&nbsp;：<code>int</code> 移动的周期数，可以是正的，也可以是负的。 freq&nbsp;：<code>DateOffset</code>,&nbsp;<code>timedelta</code>, 或&nbsp;<code>str</code>, 默认为&nbsp;<code>None</code> 从<code>tseries</code>模块或以字符串表示的时间规则（例如，<code>“EOM”</code>）中使用的增量。 axis&nbsp;：<code>{0</code>或<code>'index'</code>，<code>1</code>或<code>'columns'</code>，<code>None</code>}，默认<code>0</code> 对应于包含索引的axis&nbsp;。 </td> 
 </tr> 
 <tr> 
 <td> 返回值： </td> 
 <td> shifted&nbsp;: Series/DataFrame </td> 
 </tr> 
 </tbody> 
</table>

**Notes**

如果未指定`freq`，则尝试使用索引的`freq`或`inferred_fre`q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/][https_www.cjavapy.com_article_774]

**DataFrame.shift(periods=1, freq=None, axis=0, fill\_value=None) **[**\[source\]**][source 1]

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。

<table> 
 <tbody> 
 <tr> 
 <td> 参数： </td> 
 <td> periods：<code>int</code> 要转换的周期数。可以是正数或负数。 freq&nbsp;：<code>DateOffset</code>，<code>tseries.offsets</code>， timedelta或str（可选） 从<code>tseries</code>模块或时间规则使用的偏移量（例如&nbsp;<code>‘EOM’</code>）。 如果指定了<code>freq</code>，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<code>freq</code>。如果将<code>freq</code>指定为<code>“infer”</code>， 则将从索引的<code>freq</code>或<code>inferred_freq</code>属性推断出来。 如果这些属性都不存在，则会引发<code>ValueError</code> axis：<code>{0&nbsp;</code>或&nbsp;<code>‘index’, 1</code>&nbsp;或&nbsp;<code>‘columns’, None}</code>,&nbsp; 默认为&nbsp;<code>None</code> 转变(Shift)方向。 fill_value：<code>object</code>, 可选 用于新引入的缺失值的标量值。默认值取决于<code>self</code>的<code>dtype</code>&nbsp;。 对于数字数据，<code>np.nan</code>使用。对于日期时间， 时间增量或期间数据等<code>NaT</code>。对于扩展<code>dtype</code>， <code>self.dtype.na_value</code>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<code>self</code>的<code>dtype</code>&nbsp;。对于数字数据， <code>np.nan</code>使用。对于日期时间，时间增量或期间数据等<code>NaT</code>。 对于扩展<code>dtype</code>，<code>self.dtype.na_value</code>使用。 在1.1.0版中更改。 </td> 
 </tr> 
 <tr> 
 <td> 返回值： </td> 
 <td> DataFrame 输入对象的副本，已移位。 </td> 
 </tr> 
 </tbody> 
</table>

**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][]

[https_www.cjavapy.com_article_819]: https://www.cjavapy.com/article/819/
[source]: https://github.com/pandas-dev/pandas/blob/v1.1.2/pandas/core/generic.py#L9224-L9265
[https_www.cjavapy.com_article_774]: https://www.cjavapy.com/article/774/
[source 1]: https://github.com/pandas-dev/pandas/blob/v1.1.0/pandas/core/frame.py#L4417-L4421
[pandas.DataFrame.shift]: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.shift.html#pandas.DataFrame.shift