pyspark.pandas.Series.shift¶
-
系列。转变( 期:int=1,fill_value:可选(任何]=没有一个 )→IndexOpsLike¶ -
转变系列/索引所需数量的时期。
请注意
当前实现的转变没有指定分区规范使用火花的窗口。这导致所有数据进入单一分区在单一机器,可能会导致严重的性能下降。避免这种方法对非常大的数据集。
- 参数
-
- 期 int
-
时期的转变。可以积极或消极的。
- fill_value 对象,可选
-
新引入的标量值用缺失值。默认的dtype取决于自己。对于数值型数据,np。使用nan。
- 返回
-
- 复制输入系列/索引,发生了变化。
例子
> > >df=ps。DataFrame({“Col1”:(10,20.,15,30.,45),…“Col2”:(13,23,18,33,48),…“Col3”:(17,27,22,37,52)},…列=(“Col1”,“Col2”,“Col3”])
> > >df。Col1。转变(期=3)0南1南2南3 10.04 20.0名称:Col1 dtype: float64
> > >df。Col2。转变(期=3,fill_value=0)0 01 02 03 134 23名称:Col2 dtype: int64
> > >df。指数。转变(期=3,fill_value=0)Int64Index ([0, 0, 0, 0, 1], dtype =“int64”)