Python基于前面的3行，通过滚动窗口向DataFame添加列

我有这样一个数据帧：

original = pd.DataFrame(np.random.randint(0,100,size=(10, 3)), columns=["P1_day", "P1_week", "P1_month"])
print(original)

   P1_day  P1_week  P1_month
0      50       17        55
1      45        3        10
2      93       79        84
3      99       38        33
4      44       35        35
5      25       43        87
6      38       88        56
7      20       66         6
8       4       23         6
9      39       75         3

我需要从

original

dataframe的第3行开始生成新的dataframe，并根据滚动窗口添加新的9列，滚动窗口定义为前3行，并带有相应的前缀：[u 0，[u 1，[u 2]。因此，它是来自

original

dataframe的索引为[0,1,2]的行。 例如，接下来的3列将来自

original.iloc[0]

， 接下来的3列将来自

original.iloc[1]

， 最后3列将来自

original.iloc[2]

我试图通过下一个代码来解决它：

    subset_shifted = original[["P1_day", "P1_week", "P1_month"]].shift(3)
    subset_shifted.columns = ["P1_day_0", "P1_week_0", "P1_month_0"]
    original_ = pd.concat([original, subset_shifted], axis = 1)
    print(original_)

因此，我有3个附加列，其值来自前一行0：

   P1_day  P1_week  P1_month  P1_day_0  P1_week_0  P1_month_0
0      50       17        55       NaN        NaN         NaN
1      45        3        10       NaN        NaN         NaN
2      93       79        84       NaN        NaN         NaN
3      99       38        33      50.0       17.0        55.0
4      44       35        35      45.0        3.0        10.0
5      25       43        87      93.0       79.0        84.0
6      38       88        56      99.0       38.0        33.0
7      20       66         6      44.0       35.0        35.0
8       4       23         6      25.0       43.0        87.0
9      39       75         3      38.0       88.0        56.0

在下一次迭代中，我使用相同的方法执行了

shift（2）

，并从

original.iloc[1]

接收列。 在上一次迭代中，我做了

shift（1）

，得到了预期的结果，考虑到：

 result = original_.iloc[3:]

   P1_day  P1_week  P1_month  P1_day_0  P1_week_0  P1_month_0  P1_day_1  P1_week_1  P1_month_1  P1_day_2  P1_week_2  P1_month_2
3      99       38        33      50.0       17.0        55.0      45.0        3.0        10.0      93.0       79.0        84.0
4      44       35        35      45.0        3.0        10.0      93.0       79.0        84.0      99.0       38.0        33.0
5      25       43        87      93.0       79.0        84.0      99.0       38.0        33.0      44.0       35.0        35.0
6      38       88        56      99.0       38.0        33.0      44.0       35.0        35.0      25.0       43.0        87.0
7      20       66         6      44.0       35.0        35.0      25.0       43.0        87.0      38.0       88.0        56.0
8       4       23         6      25.0       43.0        87.0      38.0       88.0        56.0      20.0       66.0         6.0
9      39       75         3      38.0       88.0        56.0      20.0       66.0         6.0       4.0       23.0         6.0

问题:

---

有没有办法像我描述的那样用更好的方法来解决这个问题？谢谢。

除非您需要所有这些额外的数据帧，否则您可以直接将新列添加到原始df中：

import pandas as pd
import numpy as np

original = pd.DataFrame(
    np.random.randint(0,100,size=(10, 3)), 
    columns=["P1_day", "P1_week", "P1_month"],
)

original[
    ["P1_day_0", "P1_week_0", "P1_month_0"]
] = original[
    ["P1_day", "P1_week", "P1_month"]
].shift(3)

print(original)

输出：

   P1_day  P1_week  P1_month  P1_day_0  P1_week_0  P1_month_0
0       2       35        26       NaN        NaN         NaN
1      99        4        96       NaN        NaN         NaN
2       4       67         6       NaN        NaN         NaN
3      76       33        31       2.0       35.0        26.0
4      84       60        98      99.0        4.0        96.0
5      57        1        58       4.0       67.0         6.0
6      35       70        96      76.0       33.0        31.0
7      81       32        39      84.0       60.0        98.0
8      25        4        38      57.0        1.0        58.0
9      83        4        60      35.0       70.0        96.0

编辑：OP提出了后续问题：

---

是的，对于第一排来说是有意义的。但是，我的任务是添加索引为0-1-2的前3行，作为从第3个索引开始的相关行的新9列。在输出中，索引为1的行不会作为3列添加到第3行。在我的代码中，这就是我反复使用shift（2）和shift（1）的原因

以下是如何以迭代方式完成此操作：

import pandas as pd
import numpy as np

original = pd.DataFrame(
    np.random.randint(0,100,size=(10, 3)), 
    columns=["P1_day", "P1_week", "P1_month"],
)

for shift, n in ((3,0),(2,1),(1,2)):
    original[
        [f"P1_day_{n}", f"P1_week_{n}", f"P1_month_{n}"]
    ] = original[
        ["P1_day", "P1_week", "P1_month"]
    ].shift(shift)

pd.set_option('display.max_columns', None)
print(original.iloc[3:])

输出：

   P1_day  P1_week  P1_month  P1_day_0  P1_week_0  P1_month_0  P1_day_1  \
3      58       43        74      26.0       56.0        82.0      56.0   
4      44       27        40      56.0       87.0        38.0      31.0   
5       2       90         4      31.0       32.0        87.0      58.0   
6      90       70         6      58.0       43.0        74.0      44.0   
7       1       31        57      44.0       27.0        40.0       2.0   
8      96       22        69       2.0       90.0         4.0      90.0   
9      13       98        47      90.0       70.0         6.0       1.0   

   P1_week_1  P1_month_1  P1_day_2  P1_week_2  P1_month_2  
3       87.0        38.0      31.0       32.0        87.0  
4       32.0        87.0      58.0       43.0        74.0  
5       43.0        74.0      44.0       27.0        40.0  
6       27.0        40.0       2.0       90.0         4.0  
7       90.0         4.0      90.0       70.0         6.0  
8       70.0         6.0       1.0       31.0        57.0  
9       31.0        57.0      96.0       22.0        69.0

   P1_day  P1_week  P1_month  P1_day_4PMA  P1_week_4PMA  P1_month_4PMA
3       1       13        48        31.25         38.00          55.00
4      10        4        40        22.00         21.00          45.75
5       7       76         0         5.50         23.75          37.00
6       5       69         9         5.75         40.50          24.25
7      63       31        82        21.25         45.00          32.75
8      26       67        22        25.25         60.75          28.25
9      89       41        40        45.75         52.00          38.25

编辑2：此处不做任何假设，但如果您的最终目标是从所有这些新列的数据中获得类似于4期移动平均数的数据，那么您可能根本不需要它们。您可以改为使用：

输出：

   P1_day  P1_week  P1_month  P1_day_0  P1_week_0  P1_month_0  P1_day_1  \
3      58       43        74      26.0       56.0        82.0      56.0   
4      44       27        40      56.0       87.0        38.0      31.0   
5       2       90         4      31.0       32.0        87.0      58.0   
6      90       70         6      58.0       43.0        74.0      44.0   
7       1       31        57      44.0       27.0        40.0       2.0   
8      96       22        69       2.0       90.0         4.0      90.0   
9      13       98        47      90.0       70.0         6.0       1.0   

   P1_week_1  P1_month_1  P1_day_2  P1_week_2  P1_month_2  
3       87.0        38.0      31.0       32.0        87.0  
4       32.0        87.0      58.0       43.0        74.0  
5       43.0        74.0      44.0       27.0        40.0  
6       27.0        40.0       2.0       90.0         4.0  
7       90.0         4.0      90.0       70.0         6.0  
8       70.0         6.0       1.0       31.0        57.0  
9       31.0        57.0      96.0       22.0        69.0

   P1_day  P1_week  P1_month  P1_day_4PMA  P1_week_4PMA  P1_month_4PMA
3       1       13        48        31.25         38.00          55.00
4      10        4        40        22.00         21.00          45.75
5       7       76         0         5.50         23.75          37.00
6       5       69         9         5.75         40.50          24.25
7      63       31        82        21.25         45.00          32.75
8      26       67        22        25.25         60.75          28.25
9      89       41        40        45.75         52.00          38.25

---

看起来您正在使用jupyter。为什么不打印（一些数据框）并复制/粘贴文本？它们看起来比图片好多了。@QuangHoang，是的，我用的是

Jupyter

。谢谢你的建议。将来我会的。是的，对于第一排来说是有意义的。但是，我的任务是添加索引为0-1-2的前3行，作为从第3个索引开始的相关行的新9列。在输出中，索引为1的行不会作为3列添加到第3行。在我的代码中，这就是我反复使用

shift（2）

和

shift（1）

的原因。@Cindy我在一个示例中编辑了如何对所有9个新列执行此操作。谢谢我所需要的。你对

for

循环的想法看起来比我在

for

循环中对[3,2,1]中的shift\u i的版本要好：subset\u shift=original[columns].shift（shift\u i）subset\u shift.columns=[s+str（shift\u i）for s in columns]。原始=pd.concat（[原始，子集移位]，轴=1）@Cindy Yupp！元组解包和f字符串是您的朋友。学习如何使用它们将为您节省大量代码；）@辛迪，我对我的答案做了另一次编辑，你可能想看看。看起来您正在设置为这些列查找移动平均值或其他滚动聚合值，如果是这种情况，那么您可能需要签出。