Python|熊猫系列.tshift()

Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了许多用于执行涉及索引的操作的方法。

Pandas Series.tshift()函数用于移动时间索引，如果可用，使用索引的频率。如果没有指定 freq，它会尝试使用索引的 freq 或 inferred_freq 属性。如果这些属性都不存在，则会抛出 ValueError。

Syntax: Series.tshift(periods=1, freq=None, axis=0)

Parameter :
periods : Number of periods to move, can be positive or negative
freq : Increment to use from the tseries module or time rule (e.g. ‘EOM’)
axis : Corresponds to the axis that contains the Index

Returns : shifted : NDFrame

示例 #1：使用Series.tshift()函数将给定系列对象的基于日期时间的索引移动一定的时间段。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio', 'Moscow'])
  
# Create the Datetime Index
didx = pd.DatetimeIndex(start ='2014-08-01 10:00', freq ='W', 
                     periods = 6, tz = 'Europe/Berlin') 
  
# set the index
sr.index = didx
  
# Print the series
print(sr)

输出 ：

现在我们将使用Series.tshift()函数在系列对象的已应用频率上将索引移动 2 个周期。

# shift by 2 periods
sr.tshift(periods = 2)

输出 ：

正如我们在输出中看到的， Series.tshift()函数已成功地将给定系列的基于 DateTime 的索引移动了 2 个周期。示例#2：使用Series.tshift()函数将给定系列对象的基于 DateTime 的索引增加一定时期，并在其上应用“每日”频率。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio', 'Moscow'])
  
# Create the Datetime Index
didx = pd.DatetimeIndex(start ='2014-08-01 10:00', freq ='W', 
                     periods = 6, tz = 'Europe/Berlin') 
  
# set the index
sr.index = didx
  
# Print the series
print(sr)

输出 ：

现在我们将使用Series.tshift()函数在系列对象的已应用频率上将索引增加 4 个周期。

# increment by 4 periods
sr.tshift(periods = 4, freq = 'D')

输出 ：

正如我们在输出中看到的， Series.tshift()函数成功地将给定系列的基于 DateTime 的索引增加了 4 个周期。