问题:如何在Pandas DataFrame中移动列
我想在Pandas中移动一列DataFrame
,但是我无法在不重写整个DF的情况下从文档中找到一种方法来做到这一点。有人知道怎么做吗?数据框:
## x1 x2
##0 206 214
##1 226 234
##2 245 253
##3 265 272
##4 283 291
所需的输出:
## x1 x2
##0 206 nan
##1 226 214
##2 245 234
##3 265 253
##4 283 272
##5 nan 291
回答 0
In [18]: a
Out[18]:
x1 x2
0 0 5
1 1 6
2 2 7
3 3 8
4 4 9
In [19]: a.x2 = a.x2.shift(1)
In [20]: a
Out[20]:
x1 x2
0 0 NaN
1 1 5
2 2 6
3 3 7
4 4 8
回答 1
您需要在df.shift
这里使用。df.shift(i)
将整个数据帧i
向下移动一个单位。
因此,对于i = 1
:
输入:
x1 x2
0 206 214
1 226 234
2 245 253
3 265 272
4 283 291
输出:
x1 x2
0 Nan Nan
1 206 214
2 226 234
3 245 253
4 265 272
因此,运行此脚本以获取预期的输出:
import pandas as pd
df = pd.DataFrame({'x1': ['206', '226', '245',' 265', '283'],
'x2': ['214', '234', '253', '272', '291']})
print(df)
df['x2'] = df['x2'].shift(1)
print(df)
回答 2
让我们通过以下示例定义数据框:
>>> df = pd.DataFrame([[206, 214], [226, 234], [245, 253], [265, 272], [283, 291]],
columns=[1, 2])
>>> df
1 2
0 206 214
1 226 234
2 245 253
3 265 272
4 283 291
然后您可以通过操作第二列的索引
>>> df[2].index = df[2].index+1
最后重新组合单列
>>> pd.concat([df[1], df[2]], axis=1)
1 2
0 206.0 NaN
1 226.0 214.0
2 245.0 234.0
3 265.0 253.0
4 283.0 272.0
5 NaN 291.0
也许不快,但简单易读。考虑为列名和所需的实际移位设置变量。
编辑:通常可以通过df[2].shift(1)
已发布的方式进行转移,但是这会切断结转。
回答 3
如果你不想失去你的列转移过去的数据帧的结束,只是首先附加所需数量:
offset = 5
DF = DF.append([np.nan for x in range(offset)])
DF = DF.shift(periods=offset)
DF = DF.reset_index() #Only works if sequential index
回答 4
我想进口
import pandas as pd
import numpy as np
首先NaN, NaN,...
在DataFrame(df
)的末尾添加新行。
s1 = df.iloc[0] # copy 1st row to a new Series s1
s1[:] = np.NaN # set all values to NaN
df2 = df.append(s1, ignore_index=True) # add s1 to the end of df
它将创建新的DF df2。也许有一种更优雅的方式,但这可行。
现在您可以移动它:
df2.x2 = df2.x2.shift(1) # shift what you want
回答 5
尝试回答一个个人问题,并且与您在Pandas Doc上发现的问题类似,我认为可以回答这个问题:
DataFrame.shift(周期= 1,频率=无,轴= 0)按所需的周期数移动索引,并具有可选的时间频率
笔记
如果指定了freq,则索引值会移位,但数据不会重新对齐。也就是说,如果您想在移位时扩展索引并保留原始数据,请使用freq。
希望对以后的问题有所帮助。
回答 6
这是我的方法:
df_ext = pd.DataFrame(index=pd.date_range(df.index[-1], periods=8, closed='right'))
df2 = pd.concat([df, df_ext], axis=0, sort=True)
df2["forecast"] = df2["some column"].shift(7)
基本上,我正在生成具有所需索引的空数据框,然后将它们连接在一起。但是我真的很想将此作为熊猫的标准功能,因此我提出了对熊猫的增强功能。
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。