Question

我想在Pandas DataFrame中移动一列，但是我无法在不重写整个DF的情况下从文档中找到一种方法。有谁知道怎么做？数据帧：

##    x1   x2
##0  206  214
##1  226  234
##2  245  253
##3  265  272
##4  283  291

期望的输出：

##    x1   x2
##0  206  nan
##1  226  214
##2  245  234
##3  265  253
##4  283  272
##5  nan  291

Answer 1

In [18]: a
Out[18]: 
   x1  x2
0   0   5
1   1   6
2   2   7
3   3   8
4   4   9

In [19]: a.x2 = a.x2.shift(1)

In [20]: a
Out[20]: 
   x1  x2
0   0 NaN
1   1   5
2   2   6
3   3   7
4   4   8

Answer 2

如果您不想丢失转移数据框结尾的列，只需先添加所需的数字：

    offset = 5
    DF = DF.append([np.nan for x in range(offset)])
    DF = DF.shift(periods=offset)
    DF = DF.reset_index() #Only works if sequential index

Answer 3

我想进口

import pandas as pd
import numpy as np

首先在DataFrame（NaN, NaN,...）的末尾添加df的新行。

s1 = df.iloc[0]    # copy 1st row to a new Series s1
s1[:] = np.NaN     # set all values to NaN
df2 = df.append(s1, ignore_index=True)  # add s1 to the end of df

它将创建新的DF df2。也许有更优雅的方式，但这是有效的。

现在你可以改变它：

df2.x2 = df2.x2.shift(1)  # shift what you want

Answer 4

让我们根据示例定义数据框

>>> df = pd.DataFrame([[206, 214], [226, 234], [245, 253], [265, 272], [283, 291]], 
    columns=[1, 2])
>>> df
     1    2
0  206  214
1  226  234
2  245  253
3  265  272
4  283  291

然后您可以通过以下方式操纵第二列的索引

>>> df[2].index = df[2].index+1

最后重新组合单列

>>> pd.concat([df[1], df[2]], axis=1)
       1      2
0  206.0    NaN
1  226.0  214.0
2  245.0  234.0
3  265.0  253.0
4  283.0  272.0
5    NaN  291.0

也许不快但是很容易阅读。考虑为列名和所需的实际移位设置变量。

编辑：通常df[2].shift(1)可以转移，就像已经发布的那样，但是这会切断残留。

Answer 5

您需要在此处使用df.shift

df.shift（i）将整个数据帧下移i个单位。

所以对于i = 1

输入：

    x1   x2  
0  206  214  
1  226  234  
2  245  253  
3  265  272    
4  283  291

输出：

    x1   x2
0  Nan  Nan   
1  206  214  
2  226  234  
3  245  253  
4  265  272

因此运行此脚本以获取预期的输出

import pandas as pd

df = pd.DataFrame({'x1': ['206', '226', '245',' 265', '283'],
                    'x2': ['214', '234', '253', '272', '291']})

print(df)

df['x2'] = df['x2'].shift(1)

print(df)

Answer 6

尝试回答个人问题，并且与您在Pandas Doc上发现的问题类似，我认为可以回答以下问题：

DataFrame.shift （句号= 1，频率=无，轴= 0）   按所需的周期数移动索引，并带有可选的时间频率

注释

如果指定了freq，则索引值会移位，但数据不会重新对齐。也就是说，如果您想在移位时扩展索引并保留原始数据，请使用freq。

希望能在以后解决此问题。

Answer 7

这是我的方法：

df_ext = pd.DataFrame(index=pd.date_range(df.index[-1], periods=8, closed='right'))
df2 = pd.concat([df, df_ext], axis=0, sort=True)
df2["forecast"] = df2["some column"].shift(7)

基本上，我正在生成具有所需索引的空数据框，然后将它们串联在一起。但是我真的很想将此作为熊猫的标准功能，所以我对熊猫有proposed an enhancement。

Answer 8

df3

    1   108.210 108.231
2   108.231 108.156
3   108.156 108.196
4   108.196 108.074
... ... ...
2495    108.351 108.279
2496    108.279 108.669
2497    108.669 108.687
2498    108.687 108.915
2499    108.915 108.852

df3['yo'] = df3['yo'].shift(-1)

    yo  price
0   108.231 108.210
1   108.156 108.231
2   108.196 108.156
3   108.074 108.196
4   108.104 108.074
... ... ...
2495    108.669 108.279
2496    108.687 108.669
2497    108.915 108.687
2498    108.852 108.915
2499    NaN 108.852

如何在Pandas DataFrame中移动列

8 个答案: