Python Pandas利用groupby和shift实现列数据平移变换
发布时间：2026-10-13| 6人浏览过
本文介绍在Python数据处理中，如何使用Pandas库的groupby结合shift函数对指定列进行向上或向下平移操作。通过调整shift参数的正负值控制偏移方向，缺失值自动填充为NaN，相比传统循环方式更加高效便捷，适用于基于分组的错位相加减场景。
在处理数据时，经常需要针对同一列执行错位加减运算，也就是对特定列实施向上或向下的平移操作。
以往这类操作多依赖循环实现，但查阅相关资料后发现，利用Pandas库中的groupby函数配合shift函数，即可轻松完成此类需求。
#创建样例数据
temp = pd.DataFrame({'id':[1,1,1,2,2,3],'value':[1,2,3,4,5,6]});temp
Out[1]: id value 0 1 1 1 1 2 2 1 3 3 2 4 4 2 5 5 3 6
temp['value_shift'] = temp.groupby('id')['value'].shift(1);temp
Out[180]:
id value value_shift
0 1 1 NaN
1 1 2 1.0
2 1 3 2.0
3 2 4 NaN
4 2 5 4.0
5 3 6 NaN
temp['value_shift_1'] = temp.groupby('id')['value'].shift(-1);temp
Out[181]:
id value value_shift value_shift_1
0 1 1 NaN 2.0
1 1 2 1.0 3.0
2 1 3 2.0 NaN
3 2 4 NaN 5.0
4 2 5 4.0 NaN
5 3 6 NaN NaN
通过设定shift函数的参数值，可以控制数据向前或向后偏移，未覆盖的位置将自动填充为NaN。
groupby函数的参数用于指定执行shift操作所依据的分组字段。
参考官方文档，此处示例以index作为基准进行计算。
以上便是关于Python中利用shift方法对列进行平移变换的完整分享，希望能为读者提供有益参考，并欢迎大家继续支持本站内容。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
