Question

我知道这会添加相同索引的连续列：

df['C'] = df['A'] + df['B']

但是如何添加不同索引的列：

假设我有一个这样的数据框：

我需要创建另一个列C，它是列A的当前索引行（即idx）和列B的前一个索引行（即idx-1）的添加，例如：

df
   A   B   C  
0  9  40  (9)
1  1  70  (40 + 1)
2  5  80  (70 + 5)
3  8  30  (80 + 8)
4  7  50  (30 + 7)

最终结果应如下所示：

df
   A   B  C  
0  9  40  9
1  1  70  41
2  5  80  75
3  8  30  88
4  7  50  37

Answer 1

您可以使用Series.shift。

df['C'] = df['A'] + df['B'].shift(1).fillna(0)

Answer 2

使用Series.add的其他解决方案：

df['C'] = df['A'].add(df['B'].shift(), fill_value=0)
print (df)
   A   B     C
0  9  40   9.0
1  1  70  41.0
2  5  80  75.0
3  8  30  88.0
4  7  50  37.0

<强>计时：

In [2]: %timeit df['C'] = df['A'].add(df['B'].shift(), fill_value=0)
1000 loops, best of 3: 457 µs per loop

In [3]: %timeit df['C1'] = df['A'] + df['B'].shift(1).fillna(0)
1000 loops, best of 3: 544 µs per loop

如果需要功能，您可以添加列名（类似用于其他解决方案）：

def f(a,b,c):
    df[c] = df[a].add(df[b].shift(), fill_value=0)
    return df

print (f('A','B','C'))
  A   B     C
0  9  40   9.0
1  1  70  41.0
2  5  80  75.0
3  8  30  88.0
4  7  50  37.0

Answer 3

使用shift：

df['C'] = df.A + df.B.shift().fillna(0)

添加不同索引的列

3 个答案: