假设我有一个如下的python dict，对于每个产品，key是时间戳，value是该时间戳产品的价格。
data_dict = {
'product_1' : {1: 415, 2: 550, 3: 0, 4: 550, 5: 600},
'product_2' : {1: 400, 2: 300, 3: 300, 4: 0, 5: 300},
'product_3' : {1: 500, 2: 400, 3: 0, 4: 500, 5: 500},
'product_4' : {1: 0, 2: 200, 3: 200, 4: 300, 5: 300}
}
在时间序列分析中，通过某种事件重新规范许多时间序列是很常见的，假设我们将事件视为产品空闲时的时间戳。我想得到一个这种结构的表
| -3 | -2 | -1 | 0 | +1 | +2 | +3 | +4 |
---------------------------------------------------------
product_1 | NA | 415 | 550 | 0 | 550 | 600 | NA | NA |
product_2 | 400 | 300 | 300 | 0 | 300 | NA | NA | NA |
product_3 | NA | 500 | 400 | 0 | 500 | 500 | NA | NA |
product_4 | NA | NA | NA | 0 | 200 | 200 | 300 | 300 |
使用pandas for python有没有办法轻松做到这一点？我相信大量的数据科学人员不得不在某些方面做类似的事情。如果没有，如果熊猫家伙将来可以为这样的东西添加一些功能，真的很感激！同时，任何建议如何去做？
答案 0 :(得分：3)
您可以使用.apply方法，但如果您有多列，则效果会无效;
从这个框架开始：
>>> df
product_1 product_2 product_3 product_4
1 415 400 500 0
2 550 300 400 200
3 0 300 0 200
4 550 0 500 300
5 600 300 500 300
您可以定义同步功能，如下所示：
>>> def sync(ts):
... vals = ts.values
... n, k = len(vals), np.where(vals == 0)[0][0]
... return Series(vals, np.arange(-k, n - k))
并逐列应用：
>>> df.apply(sync).T
-3 -2 -1 0 1 2 3 4
product_1 NaN 415 550 0 550 600 NaN NaN
product_2 400 300 300 0 300 NaN NaN NaN
product_3 NaN 500 400 0 500 500 NaN NaN
product_4 NaN NaN NaN 0 200 200 300 300
.T最后进行转置。