df.shift
s=pd.Series([1,3,5,np.nan,6,8],index=pd.date_range('20201010',periods=6)) s.shift(2) #将前2行变为NaN
df.stack
#将列索引变成行索引 tuples = list(zip(*[['bar','bar','baz','baz','foo','foo'],['one','two','one','two','one','two']])) index = pd.MultiIndex.from_tuples(tuples,names=['first','second']) df = pd.DataFrame(np.random.randn(6,2),index = index,columns=['A','B']) stack = df.stack() #将列索引变成行索引 stack.reset_index() #重新索引 stack.unstack() #还原
分类:
python-pandas
标签:
pandas stack
, pandas shift
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· Manus的开源复刻OpenManus初探
· 三行代码完成国际化适配,妙~啊~
· .NET Core 中如何实现缓存的预热?
· 如何调用 DeepSeek 的自然语言处理 API 接口并集成到在线客服系统