Python 对间距不均匀的数据使用shift（）

希望这个例子能说明问题。我想用shift（）创建“lagval”，但如果缺少上一年，则需要为nan

df = DataFrame( { 'yr' : [2007,2008,2009,2011,2012],
                  'val': np.random.randn(5) } )

期望输出（lagval）：

---

我对此有一个不错的解决方案（作为答案发布），但我正在寻找替代方案。我花了一些时间研究了所有的时间序列函数，但这似乎有些过分了。似乎我最终会将年份转换为一个真正的时间戳，重新采样、移位，然后删除丢失的值。但也许有一种更简单的方法？

值得一提的是，这里有一个时间序列解决方案，显然需要更多的代码

df = df.set_index(df['yr'].apply(lambda x: datetime.datetime(x, 1, 1)))
df = df.resample('A').mean()

df['lagval'] = df['val'].shift(1)
df = df[pd.notnull(df['yr'])]

---

我不熟悉Stata，但只是浏览一下文档，听起来tsset做了一些类似的事情（将数据整合到指定的频率）？

谢谢，看到这种情况很好，并没有我想象的那么糟糕。Stata的tsset仅用于定义面板数据集的组和时间变量。之后，你可以延迟/重塑/等等，斯塔塔知道如何处理事情。有点像在大熊猫中堆叠之前设置索引。

df = df.set_index(df['yr'].apply(lambda x: datetime.datetime(x, 1, 1)))
df = df.resample('A').mean()

df['lagval'] = df['val'].shift(1)
df = df[pd.notnull(df['yr'])]