Python Pandas Series.tshift()

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的，但必须是一个可散列的类型。该对象支持基于整数和标签的索引，并提供了大量的方法来执行涉及索引的操作。

Pandas Series.tshift()函数用于转移时间索引，如果有的话，使用该索引的频率。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，就会抛出一个ValueError。

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

参数:
periods：移动的周期数，可以是正数或负数
freq : 使用tseries模块或时间规则的增量（例如，’EOM’）。
axis：对应于包含索引的轴。

返回 : shifted : NDFrame

示例#1：使用Series.tshift()函数将给定系列对象的基于Datetime的索引按一定周期进行移动。

# 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，在已经应用的系列对象的频率上，将指数移动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()函数已经成功地将给定系列的基于DateTime的索引转移了2个周期。

例子2：使用Series.tshift()函数将给定系列对象的基于DateTime的索引按一定周期递增，同时对其应用 “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，在已经应用的系列对象的频率上，将指数增加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()函数已经成功地将给定系列的基于DateTime的索引增加了4个周期。