如何使用pandas将最后一行移到第一行

Question

所以我有一个看起来像这样的数据框：

                         #1                     #2
1980-01-01               11.6985                126.0
1980-01-02               43.6431                134.0
1980-01-03               54.9089                130.0
1980-01-04               63.1225                126.0
1980-01-05               72.4399                120.0

我想要做的是将第一列 (11.6985) 的第一行向下移动 1 行，然后将第一列 (72.4399) 的最后一行移动到第一行第一列，如下所示：

                         #1                     #2
1980-01-01               72.4399                126.0
1980-01-02               11.6985                134.0
1980-01-03               43.6431                130.0
1980-01-04               54.9089                126.0
1980-01-05               63.1225                120.0

这个想法是我想使用这些数据框为每个班次找到一个 R^2 值，所以我需要使用所有数据，否则它可能不起作用。我曾尝试使用pandas.Dataframe.shift()：

print(data)

#Output
1980-01-01               11.6985                126.0
1980-01-02               43.6431                134.0
1980-01-03               54.9089                130.0
1980-01-04               63.1225                126.0
1980-01-05               72.4399                120.0

print(data.shift(1,axis = 0))

1980-01-01                   NaN                  NaN
1980-01-02               11.6985                126.0
1980-01-03               43.6431                134.0
1980-01-04               54.9089                130.0
1980-01-05               63.1225                126.0

所以它只是向下移动两列并去掉最后一行数据，这不是我想要的。

有什么建议吗？

Answer 1

不确定性能，但您可以尝试numpy.roll：

import numpy as np
print(df.apply(np.roll, shift=1))

#                 #1     #2
#1980-01-01  72.4399  120.0
#1980-01-02  11.6985  126.0
#1980-01-03  43.6431  134.0
#1980-01-04  54.9089  130.0
#1980-01-05  63.1225  126.0

#1仅移动列：

df['#1'] = np.roll(df['#1'], shift=1)

print(df)
#                 #1     #2
#1980-01-01  72.4399  126.0
#1980-01-02  11.6985  134.0
#1980-01-03  43.6431  130.0
#1980-01-04  54.9089  126.0
#1980-01-05  63.1225  120.0

Answer 2

我不认为你可以用shift来做到这一点，但一种方法是使用iloc：

In [11]: res = df.iloc[np.arange(-1, len(df)-1)]

In [12]: res
Out[12]:
                 #1     #2
1980-01-05  72.4399  120.0
1980-01-01  11.6985  126.0
1980-01-02  43.6431  134.0
1980-01-03  54.9089  130.0
1980-01-04  63.1225  126.0

In [13]: res.index = df.index

In [14]: res
Out[14]:
                 #1     #2
1980-01-01  72.4399  120.0
1980-01-02  11.6985  126.0
1980-01-03  43.6431  134.0
1980-01-04  54.9089  130.0
1980-01-05  63.1225  126.0

如果您希望将其作为新列（仅适用于#1）：

In [21]: df.iloc[np.arange(-1, len(df)-1), 0]
Out[21]:
1980-01-05    72.4399
1980-01-01    11.6985
1980-01-02    43.6431
1980-01-03    54.9089
1980-01-04    63.1225
Name: #1, dtype: float64

In [22]: df.iloc[np.arange(-1, len(df)-1), 0].values
Out[22]: array([ 72.4399,  11.6985,  43.6431,  54.9089,  63.1225])

In [23]: df["new#1"] = df.iloc[np.arange(-1, len(df)-1), 0].values

In [24]: df
Out[24]:
                 #1     #2    new#1
1980-01-01  11.6985  126.0  72.4399
1980-01-02  43.6431  134.0  11.6985
1980-01-03  54.9089  130.0  43.6431
1980-01-04  63.1225  126.0  54.9089
1980-01-05  72.4399  120.0  63.1225