我需要使用来自多行的输入对数据帧进行应用。举个简单的例子，如果所有输入来自一行，我可以执行以下操作：
df['c'] = df[['a','b']].apply(lambda x: awesome stuff, axis=1)
# or
df['d'] = df[['b','c']].shift(1).apply(...) # to get the values from the previous row
但是，如果我需要当前行中的'a'和前一行中的'b'，是否有办法使用apply？我可以添加一个新的'bshift'列然后只使用df [['a'，'bshift']]但似乎必须有更直接的方式。
相关但分开，当访问df中的特定值时，有没有办法将标记索引与整数偏移相结合？例如。我知道当前行的标签但需要之前的行。像df.at['labelIknow'-1, 'a']这样的东西（当然不起作用）。这是因为当我被迫迭代行时。提前谢谢。
编辑：有关我正在做什么的一些信息等。我有一个包含OHLC条形图的pandas商店（每个安全一个表）。在进行回测时，目前我将安全所需的完整日期范围拉到内存中，然后将其重新采样到对手头测试有意义的频率。然后我对交易输入信号等事情做了一些矢量化操作。最后，我从开始到结束循环数据进行实际的回测，例如检查交易进入退出，缩减等 - 这个循环部分是我试图加速的部分。
答案 0 :(得分：2)
这应该直接回答你的问题并允许你使用apply，虽然我不确定它最终会比双线解决方案更好。它确实至少避免创建额外的变量。
df['c'] = pd.concat([ df['a'], df['a'].shift() ], axis=1).apply(np.mean,axis=1)
例如，这会将当前行和前一行的'a'值的均值放入'c'。
这不是一般的，但对于更简单的情况，你可以做这样的事情（继续这个例子）：
df['c'] = ( df['a'] + df['a'].shift() ) / 2
这比我的微小示例数据集上的concat（）方法快了大约10倍。如果你能用这种风格编码，我想你的速度和它一样快。
您还可以考虑使用stack（）和分层索引来重塑数据。这将是一种将所有变量放入同一行的方法，但我认为它可能比concat方法更复杂，或者只是通过shift（）创建中间变量。
答案 1 :(得分：1)
对于第一部分，我不认为这样的事情是可能的。如果你更新你真正想要达到的目标，我可以更新这个答案。
另外，在第二部分中，您的数据结构似乎非常依赖行 order 。这通常不是您想要管理数据库的方式。同样，如果您告诉我们您的总体目标是什么，我们可能会暗示您寻求解决方案（并且可能是构建数据库的更好方法）。
无论如何，如果您知道给定的索引标签，之前获取该行的一种方法是：
df.ix[:'labelYouKnow'].iloc[-2]
请注意，这不是效率方面的最佳选择，因此您可能希望改进数据库结构，以防止执行此类操作。