为何DataFrame.shift()的axis参数无效果？

嘿，这个问题其实是因为你混淆了shift()方法两种不同的使用场景——基于整数周期的移位和基于时间偏移的移位，这两种场景下axis参数的作用完全不同：

1. 时间偏移下axis参数被忽略的原因 #

当你传入时间偏移对象（比如pd.DateOffset(days=2)、pd.Timedelta(days=2)）作为shift()的第一个参数时，这个操作的设计目标就是偏移行索引中的时间标签，本质是对时间索引进行平移，而不是移动数据的位置。这时候axis参数会被直接忽略，不管你设axis=0还是axis=1，都会只偏移行索引，所以你得到的结果是一样的。

举个例子，假设你的DataFrame是这样的：

import pandas as pd
df = pd.DataFrame(
    {'Val': [10, 20, 30, 40]},
    index=pd.date_range('2024-01-01', periods=4)
)

当你执行df.shift(pd.DateOffset(days=2))或者df.shift(pd.DateOffset(days=2), axis=1)，结果都是行索引被往后移2天，Val列的数据跟着索引走，空出来的位置补NaN。

2. 实现你期望的“索引不变，Val列移位”的方法 #

如果你想要保持行索引（Date）不变，只移动Val列的数据，你需要用整数周期的移位，这里你之前对axis=1的理解也有点偏差，具体方法如下：

方式1：直接对列执行行方向移位

最直观的方式是单独对Val列使用整数periods，默认就是行方向移位（上下移动数据），索引会保持不变：

# 把Val列的数据向下移2行，原索引保留，空值补NaN
df['Val_shifted'] = df['Val'].shift(periods=2)

方式2：对整个DataFrame做行方向移位

如果你要对所有列都做行方向移位，直接用整数periods，默认axis=0就是行方向移位，索引依然保持原有的Date：

# 所有列的数据向下移2行，索引不变
df_shifted = df.shift(periods=2)

这里要额外说明：axis=1的作用是列之间的横向移位（比如把Val列的数据移到新的列位置），而不是你理解的“保持索引不变移列数据”。比如df.shift(periods=1, axis=1)会生成新列来承接Val的数据，原Val列补NaN，但索引还是原来的Date，这和你想要的效果是不一样的哦。

总结一下 #

• 用时间偏移对象调用shift()：专门用来偏移时间类型的行索引，axis参数无效
• 用整数periods调用shift()：axis=0（默认）是行方向移位（数据上下移，索引不变）；axis=1是列方向移位（数据左右移，索引不变）

内容的提问来源于stack exchange，提问作者feetwet