Question

我有一个df：

https://login.microsoftonline.com/{tenant}/oauth2/authorize

我的预期输出是（列中的每个元素，在一行上有接下来的3个值）：

    0           1    2     3     4  
0   44.000000   0.0  0.0   0.0   0.0    
1   42.200001   0.0  0.0   0.0   0.0        
2   44.799999   0.0  0.0   0.0   0.0    
3   47.520000   0.0  0.0   0.0   0.0
4   49.760000   0.0  0.0   0.0   0.0
5   53.420000   0.0  0.0   0.0   0.0

我在这里尝试做的很快（任务是要达到一定的速度），我在想是否创建一个空的df，然后使用.apply（lambda：#fncineed， axis = 1）它可以更好地提高性能。（而不是通过整个数据索引并将fnc应用于移动窗口）

Answer 1

如果我理解你的问题，请试试这个：

df.apply(lambda x: df['0'].shift(-df.columns.get_loc(x.name)))

输出：

           0          1          2      3      4
0  44.000000  42.200001  44.799999  47.52  49.76
1  42.200001  44.799999  47.520000  49.76  53.42
2  44.799999  47.520000  49.760000  53.42    NaN
3  47.520000  49.760000  53.420000    NaN    NaN
4  49.760000  53.420000        NaN    NaN    NaN
5  53.420000        NaN        NaN    NaN    NaN

Answer 2

如果您希望每列1-3包含列0后面的三个值，请按行排序，您可以使用shift()：

n = 3
pd.concat([df.iloc[:,0], 
           df.iloc[:,1:].apply(lambda x: (df.iloc[:,0]
                                            .shift(-int(x.name))[:n])
                                            .iloc[:,:n]]), axis=1)

           0          1          2      3
0  44.000000  42.200001  44.799999  47.52
1  42.200001  44.799999  47.520000  49.76
2  44.799999  47.520000  49.760000  53.42
3  47.520000        NaN        NaN    NaN
4  49.760000        NaN        NaN    NaN
5  53.420000        NaN        NaN    NaN

如果没有可用的值，则假设您不想填充列1-3。

Answer 3

或者你可以试试这个

new=pd.concat([df['0'].shift(-x) for x in list(range(df.shape[1]))],axis=1)
new.columns=df.columns
new
Out[178]: 
           0          1          2      3      4
0  44.000000  42.200001  44.799999  47.52  49.76
1  42.200001  44.799999  47.520000  49.76  53.42
2  44.799999  47.520000  49.760000  53.42    NaN
3  47.520000  49.760000  53.420000    NaN    NaN
4  49.760000  53.420000        NaN    NaN    NaN
5  53.420000        NaN        NaN    NaN    NaN

为pandas列中的每个项目取下一个x值，并将它们放入相邻的行中

3 个答案: