mars.dataframe.Series.shift#

Series.shift(periods=1, freq=None, axis=0, fill_value=None)#

将索引移动到所需的周期数，并可选地指定时间freq。

当freq未传递时，移动索引而不重新对齐数据。如果传递了freq（在这种情况下，索引必须是日期或日期时间，否则将引发NotImplementedError），将使用周期和freq增加索引。

Parameters

periods (int) – 移动的周期数量。可以是正数或负数。
freq (DateOffset, tseries.offsets, timedelta, 或 str, 可选) – 使用来自tseries模块或时间规则的偏移量（例如‘EOM’）。如果freq被指定，则索引值会发生偏移，但数据不被重新对齐。也就是说，如果您想在偏移时扩展索引并保留原始数据，请使用freq。
axis ({0 或 'index', 1 或 'columns', None}, 默认 None) – 移动方向。
fill_value (object, optional) – 用于新引入的缺失值的标量值。默认值取决于self的dtype。对于数值数据，使用np.nan。对于日期时间、时间间隔或周期数据等，使用NaT。对于扩展dtype，使用self.dtype.na_value。

Returns

输入对象的拷贝，已偏移。

Return type

DataFrame 或 Series

另请参阅

Index.shift: 移动索引的值。
DatetimeIndex.shift: 移动DatetimeIndex的值。
PeriodIndex.shift: 移动 PeriodIndex 的值。
tshift: 移动时间索引，如果可用则使用索引的频率。

示例

>>> import mars.dataframe as md

>>> df = md.DataFrame({'Col1': [10, 20, 15, 30, 45],
...                    'Col2': [13, 23, 18, 33, 48],
...                    'Col3': [17, 27, 22, 37, 52]})

>>> df.shift(periods=3).execute()
   Col1  Col2  Col3
 NaN   NaN   NaN
 NaN   NaN   NaN
 NaN   NaN   NaN
10.0  13.0  17.0
20.0  23.0  27.0

>>> df.shift(periods=1, axis='columns').execute()
   Col1  Col2  Col3
 NaN  10.0  13.0
 NaN  20.0  23.0
 NaN  15.0  18.0
 NaN  30.0  33.0
 NaN  45.0  48.0

>>> df.shift(periods=3, fill_value=0).execute()
   Col1  Col2  Col3
   0     0     0
   0     0     0
   0     0     0
  10    13    17
  20    23    27