Pandas数据框动态列位移：基于另一列值实现灵活数据偏移

import pandas as pd
import numpy as np

# 示例数据
data = {
    'value': ['a', 'b', 'c', 'd', 'e', 'f', 'g'],
    'shiftperiod': [0, 0, 1, 3, 4, 2, 1]
}
df = pd.DataFrame(data, index=[f'row{i+1}' for i in range(len(data['value']))])

print("原始数据框:")
print(df)

# 1. 将 'value' 列转换为 NumPy 数组
a = df['value'].to_numpy()

# 2. 计算每一行的源索引
# np.arange(len(df)) 生成 0 到 n-1 的行索引
# 减去 shiftperiod 得到位移后的源索引
idx = np.arange(len(df)) - df['shiftperiod'].to_numpy()

# 3. 使用 np.where 和 np.clip 处理边界条件
# np.where: 条件判断，如果索引有效则取值，否则为 NaN
# (idx >= 0) & (idx < len(df)): 判断索引是否在有效范围内 [0, len(df)-1]
# a[np.clip(idx, 0, len(df)-1)]: 将无效索引裁剪到有效范围，然后从 'a' 中取值
df['shiftedvalue'] = np.where(
    (idx >= 0) & (idx < len(df)),
    a[np.clip(idx, 0, len(df)-1)],
    np.nan
)

print("\n使用NumPy高级索引后的数据框:")
print(df)

原始数据框:
     value  shiftperiod
row1     a            0
row2     b            0
row3     c            1
row4     d            3
row5     e            4
row6     f            2
row7     g            1

使用NumPy高级索引后的数据框:
     value  shiftperiod shiftedvalue
row1     a            0            a
row2     b            0            b
row3     c            1            b
row4     d            3            a
row5     e            4            a
row6     f            2            d
row7     g            1            f

import pandas as pd
import numpy as np

# 示例数据 (同上)
data = {
    'value': ['a', 'b', 'c', 'd', 'e', 'f', 'g'],
    'shiftperiod': [0, 0, 1, 3, 4, 2, 1]
}
df = pd.DataFrame(data, index=[f'row{i+1}' for i in range(len(data['value']))])

print("原始数据框:")
print(df)

# 1. 创建一个带有默认整数索引的Series
# reset_index(drop=True) 确保 Series 的索引是 0 到 n-1
s = df['value'].reset_index(drop=True)

# 2. 计算目标索引
# s.index 此时为 RangeIndex(start=0, stop=7, step=1)
# 减去 df['shiftperiod'] 得到新的索引
target_indices = s.index - df['shiftperiod']

# 3. 使用 reindex 方法
# reindex 会根据 target_indices 查找 s 中的值。
# 如果 target_indices 中的某个值在 s.index 中不存在，则对应结果为 NaN。
df['shiftedvalue_reindex'] = s.reindex(target_indices).to_numpy()

print("\n使用Pandas reindex后的数据框:")
print(df)

原始数据框:
     value  shiftperiod
row1     a            0
row2     b            0
row3     c            1
row4     d            3
row5     e            4
row6     f            2
row7     g            1

使用Pandas reindex后的数据框:
     value  shiftperiod shiftedvalue_reindex
row1     a            0                    a
row2     b            0                    b
row3     c            1                    b
row4     d            3                    a
row5     e            4                    a
row6     f            2                    d
row7     g            1                    f

import pandas as pd
import numpy as np

# 示例数据，包含可能导致无效索引的位移量
data_invalid = {
    'value': ['a', 'b', 'c', 'd', 'e', 'f', 'g'],
    'shiftperiod': [0, 0, 1, 3, 5, 2, -1] # 5 (超出范围), -1 (负索引)
}
df_invalid = pd.DataFrame(data_invalid, index=[f'row{i+1}' for i in range(len(data_invalid['value']))])

print("原始数据框 (包含无效位移):")
print(df_invalid)

# --- 方法一: NumPy 高级索引 ---
a_invalid = df_invalid['value'].to_numpy()
idx_invalid = np.arange(len(df_invalid)) - df_invalid['shiftperiod'].to_numpy()
df_invalid['shiftedvalue_numpy'] = np.where(
    (idx_invalid >= 0) & (idx_invalid < len(df_invalid)),
    a_invalid[np.clip(idx_invalid, 0, len(df_invalid)-1)],
    np.nan
)

# --- 方法二: Pandas reindex ---
s_invalid = df_invalid['value'].reset_index(drop=True)
target_indices_invalid = s_invalid.index - df_invalid['shiftperiod']
df_invalid['shiftedvalue_reindex'] = s_invalid.reindex(target_indices_invalid).to_numpy()

print("\n处理无效位移后的数据框:")
print(df_invalid)

原始数据框 (包含无效位移):
     value  shiftperiod
row1     a            0
row2     b            0
row3     c            1
row4     d            3
row5     e            5
row6     f            2
row7     g           -1

处理无效位移后的数据框:
     value  shiftperiod shiftedvalue_numpy shiftedvalue_reindex
row1     a            0                  a                    a
row2     b            0                  b                    b
row3     c            1                  b                    b
row4     d            3                  a                    a
row5     e            5                NaN                  NaN
row6     f            2                  d                    d
row7     g           -1                NaN                  NaN