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

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

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)

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。

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

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

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。

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。