Python 使用数据帧按索引进行移位

有没有办法做到这一点：

predicted_sells = []
for row in df.values:
    index_tms = row[0]
    delta = index_tms + timedelta(hours=1)
    try:
        sells_to_predict = df.loc[delta]['cars_sold']
    except KeyError:
        new_element = None
    predicted_sells.append(sells_to_predict)


df['sell_to_predict'] = predicted_sells

示例说明：

sell是我在tms时售出的汽车数量。sell_to_predict是我一小时后卖出的汽车数量。我想预测一下。因此，我想建立一个新的列，包含tms时我将在tms+1h时出售的汽车数量

在我编写代码之前，它看起来是这样的

                tms  sell 
2015-11-23 15:00:00     6               
2015-11-23 16:00:00     2               
2015-11-23 17:00:00    10         

                tms  sell  sell_to_predict
2015-11-23 15:00:00     6                2
2015-11-23 16:00:00     2               10
2015-11-23 17:00:00    10              NaN

在它看起来像那样之后

                tms  sell 
2015-11-23 15:00:00     6               
2015-11-23 16:00:00     2               
2015-11-23 17:00:00    10         

                tms  sell  sell_to_predict
2015-11-23 15:00:00     6                2
2015-11-23 16:00:00     2               10
2015-11-23 17:00:00    10              NaN

我根据另一列的移位创建了一个新列，但这不是列数的移位。这是基于索引的移位（这里的索引是时间戳）

下面是另一个稍微复杂一点的例子：

之前：

            sell  random
store hour              
1     1        1       9
      2        7       7
2     1        4       3
      2        2       3

之后：

            sell  random  predict
store hour              
1     1        1       9        7
      2        7       7      NaN
2     1        4       3        2
      2        2       3      NaN

---

你试过换档吗

e、 g

---

答案是重新采样，这样我就不会有任何漏洞，然后应用这个问题的答案：

你能提供一个你想修改的数据帧的小例子，以及你希望得到的例子吗？从您提供的示例中，不清楚

index\u tms

和

['old\u column]

实际代表什么。例如，为什么下面的方法不起作用

df['new_column']=df.index+timedelta（hours=1）

想象一下，我想预测一小时内我将售出的汽车数量。我在“old_栏”中列出了我使用该指数时售出的汽车数量。然后我想精确计算一小时后售出的汽车数量，因此我想创建一个包含一小时后售出汽车数量的“新_列”。为了说明这一点，我将编辑我的问题。这不是我想要的，因为它不是基于索引比较的。之前的行并不总是在一小时前有索引的行。此外，我没有说在我的问题tho中，我还有一个索引（这里说的是汽车店的id），所以前一行可以引用发生在其他商店的销售。