Question

我有一个Pandas数据帧，我想创建一个新列，其值是另一列的值，向下移动一行。最后一行应显示NaN。

问题是我想按组进行此操作，每组的最后一行显示NaN。不要让一个组的最后一行“窃取”一个恰好在数据框中相邻的组中的值。

我的尝试实施得非常可耻，所以我显然误解了一些基本的东西。

df['B_shifted'] = df.groupby(['A'])['B'].transform(lambda x:x.values[1:])

Answer 1

新版本的pandas现在可以在群组上执行shift：

df['B_shifted'] = df.groupby(['A'])['B'].shift(1)

请注意，在移动 down 时，它是具有NaN的第一个行。

Answer 2

@ EdChum的评论对这个问题是一个更好的答案，所以我在这里发帖给后人：

df['B_shifted'] = df.groupby(['A'])['B'].transform(lambda x:x.shift())

或类似地

df['B_shifted'] = df.groupby(['A'])['B'].transform('shift')。

当然，前一种符号更灵活（例如，如果你想换2）。

Answer 3

Shift适用于group by子句的输出：

>>> df = pandas.DataFrame(numpy.random.randint(1,3, (10,5)), columns=['a','b','c','d','e'])
>>> df
   a  b  c  d  e
0  2  1  2  1  1
1  2  1  1  1  1
2  1  2  2  1  2
3  1  2  1  1  2
4  2  2  1  1  2
5  2  2  2  2  1
6  2  2  1  1  1
7  2  2  2  1  1
8  2  2  2  2  1
9  2  2  2  2  1


for k, v in df.groupby('a'):
    print k
    print 'normal'
    print v
    print 'shifted'
    print v.shift(1)

1
normal
   a  b  c  d  e
2  1  2  2  1  2
3  1  2  1  1  2
shifted
    a   b   c   d   e
2 NaN NaN NaN NaN NaN
3   1   2   2   1   2
2
normal
   a  b  c  d  e
0  2  1  2  1  1
1  2  1  1  1  1
4  2  2  1  1  2
5  2  2  2  2  1
6  2  2  1  1  1
7  2  2  2  1  1
8  2  2  2  2  1
9  2  2  2  2  1
shifted
    a   b   c   d   e
0 NaN NaN NaN NaN NaN
1   2   1   2   1   1
4   2   1   1   1   1
5   2   2   1   1   2
6   2   2   2   2   1
7   2   2   1   1   1
8   2   2   2   1   1
9   2   2   2   2   1

Answer 4

以上所有答案均会出错：

shift(1)大约上移一行，这是默认行为；
shift(-1)实际上是关于下移一行。

请参阅熊猫文献{{1}} example

熊猫：将组中的值向下移动一行

4 个答案: