pandas 系列的循环移位 [英] Cyclic shift of a pandas series

问题描述

我正在对 Pandas 中的数据系列使用 shift 方法(文档).

是否可以在一个步骤中进行循环移位，即第一个值变成最后一个值?

<预><代码>>>>输入出[20]:5 0.99523215 0.99979425 1.00685335 0.99778145 0.981553名称:vRatio，数据类型:float64>>>input.shift()出[21]:5 纳米15 0.99523225 0.99979435 1.00685345 0.997781名称:vRatio，数据类型:float64

所需的输出:

输出[21]:5 0.98155315 0.99523225 0.99979435 1.00685345 0.997781名称:vRatio，数据类型:float64

解决方案

您可以使用 np.roll 循环索引值并将其作为值传递给 reindex:

在 [23] 中:df.reindex(index=np.roll(df.index,1))出[23]:比率指数45 0.9815535 0.99523215 0.99979425 1.00685335 0.997781

如果您想保留索引，则可以使用 np.roll 再次覆盖这些值:

在 [25] 中:df['vRatio'] = np.roll(df['vRatio'],1)df出[25]:比率指数5 0.98155315 0.99523225 0.99979435 1.00685345 0.997781

I am using the shift method for a data series in pandas (documentation).

Is it possible do a cyclic shift, i.e. the first value become the last value, in one step?

>>> input
Out[20]: 
5     0.995232
15    0.999794
25    1.006853
35    0.997781
45    0.981553
Name: vRatio, dtype: float64

>>> input.shift()
Out[21]: 
5          NaN
15    0.995232
25    0.999794
35    1.006853
45    0.997781
Name: vRatio, dtype: float64

desired output:

Out[21]: 
5     0.981553
15    0.995232
25    0.999794
35    1.006853
45    0.997781
Name: vRatio, dtype: float64

解决方案

You can use np.roll to cycle the index values and pass this as the values to reindex:

In [23]:
df.reindex(index=np.roll(df.index,1))

Out[23]:
         vRatio
index          
45     0.981553
5      0.995232
15     0.999794
25     1.006853
35     0.997781

If you want to preserve your index then you can just overwrite the values again using np.roll:

In [25]:
df['vRatio'] = np.roll(df['vRatio'],1)
df

Out[25]:
         vRatio
index          
5      0.981553
15     0.995232
25     0.999794
35     1.006853
45     0.997781

这篇关于 pandas 系列的循环移位的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！