如何将列添加到由另一列的前n个值的数组组成的Pandas数据帧中？

Question

我是python和pandas的新手。我不知道如何以优雅的方式解决以下问题 。

假设我们有一个简单的pandas数据帧。

import numpy as np
import pandas as pd
from pandas import DataFrame, Series
df = pd.DataFrame(np.arange(0,60,10), columns=['Value'])

现在设置一个变量，例如：

n = 3

目标是将列添加到df，由前n个值的数组组成，如下所示：

下一步可能是将NaN设置为零。

有没有聪明的方法来做到这一点？

提前感谢您的帮助，

吉尔伯特

Answer 1

我们可以使用df.shift生成偏移列和列表理解，然后将它们组合在一起map，为{{1}生成list lists }}。但是，生成的dataframe生成的list在将其分配给原始lists之前需要首先进行转置，以便我们有一个与正确行对应的值列表。

df

输入：

df["b"] =np.array(map(list,[df["a"].shift(x) for x in range(1,4)])).T.tolist()

输出：

   a
0  1
1  2
2  3
3  4

Answer 2

这有点粗糙，但以下是有效的：

In [63]:
def func(x):
    return pd.Series(df['Value'], index=np.arange(x.name-3,x.name)).values.tolist()
df['ArrayValues'] = df[['Value']].apply(lambda x: func(x), axis=1)
df
​
Out[63]:
   Value       ArrayValues
0      0   [nan, nan, nan]
1     10   [nan, nan, 0.0]
2     20  [nan, 0.0, 10.0]
3     30       [0, 10, 20]
4     40      [10, 20, 30]
5     50      [20, 30, 40]

首先我们使用[[]]对df进行双下标，以便我们将单列强制为df，这样我们就可以调用apply并使用param axis=1来apply行func，这是必需的，因为我们希望使用通过name属性访问的当前行索引值，根据索引范围返回重新索引的Series作为索引值不存在它为不存在的索引行创建NaN值，最后我们需要通过返回一个numpy数组来匿名化数据并将其转换为列表，这样我们就不会＃39 ; t尝试对齐系列索引

修改

如果我们将开始/停止参数交换为np.arange并采取否定步骤，那么您将获得所需的订单：

In [70]:
def func(x):
    return pd.Series(df['Value'], index=np.arange(x.name-1,x.name-4,-1)).values.tolist()
df['ArrayValues'] = df[['Value']].apply(lambda x: func(x), axis=1)
df
​
Out[70]:
   Value       ArrayValues
0      0   [nan, nan, nan]
1     10   [0.0, nan, nan]
2     20  [10.0, 0.0, nan]
3     30       [20, 10, 0]
4     40      [30, 20, 10]
5     50      [40, 30, 20]