Python 如何使用Shift（）和Apply（）函数对行进行迭代？

对于以日期为索引的股价数据框，当我使用shift（）获取上一个值并使用apply（）创建存储上一个值的列时，会出现以下错误：

AttributeError: 'numpy.float64' object has no attribute 'shift'

以下是生成此错误的代码：

df.head(10)
             Open   High    Low  Close    Volume
Date                                            
2004-01-01  66.60  71.55  66.70  71.55  664600.0
2004-01-02  71.55  76.85  73.55  74.50  608500.0
2004-01-05  74.50  77.00  73.50  73.50  249400.0
2004-01-06  73.50  74.45  72.30  73.30  248600.0
2004-01-07  73.30  74.75  72.95  73.50   98600.0
2004-01-08  73.50  74.25  72.00  72.60   97000.0
2004-01-09  72.60  73.50  72.05  72.80   66900.0
2004-01-12  72.80  74.10  72.65  72.65   75100.0
2004-01-13  72.65  73.50  71.55  72.50   80500.0
2004-01-14  72.50  72.75  68.90  68.90  176100.0

我们创建一个函数，然后使用apply创建列：

问题：请帮助解决此错误。（注意：为了保持函数的简单性，我跳过了很多代码）

---

下面的代码段之所以有效，是因为它将一列括在一个额外的方括号内，返回一个

DataFrame

df['Pre_Close'] = df[['Close']].shift(-1) 

df[['Column Name']] -----> returns a DataFrame
df['Column Name'] -----> returns a Series

另外，关于从列

shift

中提取以前的值的目标，这是最简单的使用方法，也正好达到了目的

否则，一种更为程序化的方法如下所示

因为每列值都是最低本质的

list/numpy array

下面的函数非常简单，只适用于一维输入

def shift_vector(inp,shift):

    if isinstance(inp,list):
       n = len(inp)
       first_half = [0] * shift
       return return first_half + inp[shift:]
    elif isinstance(inp,numpy.ndarray):
       n = len(inp)
       first_half = np.zeros(1,shift)
       return numpy.concatenate([first_half,inp[shift:])

---

我们的想法是在一个非常简单的层面上演示如何使用索引实现移位

您的意思是

df['Pre_Close']=df['Close'].shift（-1）

？lambda函数和函数需要什么？只要

df['Pre\u Close']=df['Close'].shift（-1）

就可以了。

df['Pre\u Close']=df['Close'].shift（-1）

试试这个out@NYCCoder：是的，如果是简单的一行代码。这就够了。但我从一个更大的复杂函数中提取了一条线，它是动量函数循环的一部分。只有这条线产生了问题，所以解决它很困难。非常感谢您的帮助。@AndrejKesely:是的，兄弟。@Vaehav:代码没有产生任何错误，但功能仍然不起作用。对于此函数：

def momentum（df）：if（（df[''u close\u positive']==1.0）和\（df['Call'].shift（1.values！=100.0））：返回100.0其他：当我们通过此行填充“Call”列时返回0.0

：

df['Call']=df.apply（lambda df:momentum（df），axis=1）

该函数不检查列的上一个值是否为100。本质上，它会检查shift（）命令if else语句。请参考上面的注释。

df['Pre_Close'] = df[['Close']].shift(-1) 

df[['Column Name']] -----> returns a DataFrame
df['Column Name'] -----> returns a Series

def shift_vector(inp,shift):

    if isinstance(inp,list):
       n = len(inp)
       first_half = [0] * shift
       return return first_half + inp[shift:]
    elif isinstance(inp,numpy.ndarray):
       n = len(inp)
       first_half = np.zeros(1,shift)
       return numpy.concatenate([first_half,inp[shift:])