使用带有不均匀间隔数据的shift（）

Question

希望这个例子说明一切。我想创建＆＃39; lagval＆＃39;如果缺少上一年，则需要使用shift（），但需要它为nan。

df = DataFrame( { 'yr' : [2007,2008,2009,2011,2012],
                  'val': np.random.randn(5) } )

期望输出（滞后）：

In [1118]: df
Out[1118]: 
        val    yr    lagval
0 -0.978139  2007       NaN
1  0.117912  2008 -0.978139
2 -1.031884  2009  0.117912
3  0.606856  2011       NaN
4 -0.200864  2012  0.606856

我有一个很好的解决方案（发布作为答案），但我正在寻找替代方案。我花了一些时间查看所有时间序列函数，但这看起来有点过分。看起来我最终会将年份转换为真正的时间戳，重新取样，转移，然后删除缺失的值。但也许有一种更简单的方法？

Answer 1

对于它的价值，这里是一个时间序列解决方案，显然需要更多的代码。

df = df.set_index(df['yr'].apply(lambda x: datetime.datetime(x, 1, 1)))
df = df.resample('A').mean()

df['lagval'] = df['val'].shift(1)
df = df[pd.notnull(df['yr'])]

我不熟悉Stata，但只是浏览文档，听起来tsset做了类似的事情（将数据符合指定的频率）？