这篇文章主要介绍Pandas如何解决dataframe的一列进行向下顺移问题，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
错误方案：
当时首先想到的是用loc来直接进行替换，也就是
i = len(dt) dt_new = pd.DataFrame() dt_new.loc[0, 'test'] = 0 dt_new.loc[1 : i - 1, 'test'] = dt.loc[0 : i - 2， 'data'] #这里会报错
愿望很美好，现实很残酷，这种方法会报错。
不太好的方案：
于是打算用循环的办法一个一个替换
dt_new = pd.DataFrame() dt_new.loc[0, 'test'] = 0 for i in range(len(dt) - 1): dt_new.loc[i + 1, 'test'] = dt.loc[i, 'data']
然而这个仅仅O(n)算法复杂度的东西，实际检验当用在几万行数据真的可以给你算好久好久，所以这个办法也弃用了。
正确方案：
pandas的dataframe，每一行是有序号的，直接进行替换的话，有时它会将相同序号的进行替换，这个是dataFrame的特性，有时会忽略从你选择的那一行开始替换，而直接从0开始。所以如果想用pandas来进行顺位移动的话，目前没有在API中找到便捷的方法。
最后终于想到了另外一个办法，就是转化为Numpy数组进行移动后，再转回dataFrame。
dt_v = dt['data'].values dt_v = dt_v.flatten() i = len(dt) dt_new_v = np.zeros(i) dt_new_v[0] = 0 dt_new_v[1 : i] = dt_v[0 : i - 1] #这里要注意Numpy数组截取[1, i]实际截取的是[1, i - 1]行！ dt_new = pd.DataFrame() dt_new['test'] = dt_new_v
要注意Numpy数组截取[1, i]实际截取的是第[1, i - 1]行！
以上是“Pandas如何解决dataframe的一列进行向下顺移问题”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
