如何获取同一列的n到n-3个数据，并作为新列填充到同一行

Question

我想要操作一个数据，在这个数据中，我想获取相同列的旧值，然后作为同一行的新列输入。我有一个名为test_df的Pandas Dataframe，其中有一个列得分。基于发布日期列，我希望获得按产品分组的当前版本的前三个版本的分数。

Product  Version  score   Release
Android    1       5    September 23, 2008
Android   1.1      7   February 9, 2009
Android   1.5      6   April 27, 2009   
Android   1.6      8   September 15, 2009   
iOS       3.1.3    8   February 2, 2010
iOS       4.2.1    6   November 22, 2010     
iOS       4.2.1    9   May 7, 2012           

所以我想创建一个新的列score1，score2和score3。列score1应该具有相同产品的前一个版本的分数，分数2应该具有最后一个版本之前的版本，依此类推。如果我选择n，那么新列应该有n-1，n-2，n-3个数据

   Product  Version  score   Release             score1      score2    score3
    Android    1       5    September 23, 2008   NULL         NULL      NULL
    Android   1.1      7   February 9, 2009      5            NULL      NULL
    Android   1.5      6   April 27, 2009        7             5        NULL
    Android   1.6      8   September 15, 2009    6             7        5               
    iOS       3.1.3    8   February 2, 2010      NULL         NULL      NULL
    iOS       4.2.1    6   November 22, 2010      8           NULL      NULL
    iOS       4.2.1    9   May 7, 2012            6            8        NULL

因此，当我选择Product作为Android，version选择为1.1时，应该会在单独的列中获得以前版本的分数。有没有办法我们可以在Pandas中实现这一点。

Answer 1

当然可以，但请注意，由于"NULL“很可能指的是NaN，这将使您的score1等列成为float，即使score本身是int。

不管怎么说：

def trail(g, delays, column='score', defaultval=np.nan):
    for k in delays:
        newcol = f'{column}{k}'
        g[newcol] = defaultval
        g[newcol].values[k:] = g[column].values[:-k]
    return g

df = (
    df
    .sort_values(['Product', 'Release'])
    .groupby('Product')
    .apply(lambda g: trail(g, delays=range(1, 4)))
)

使用您的数据：

print(df)
   Product Version  score    Release  score1  score2  score3
0  Android       1      5 2008-09-23     NaN     NaN     NaN
1  Android     1.1      7 2009-02-09     5.0     NaN     NaN
2  Android     1.5      6 2009-04-27     7.0     5.0     NaN
3  Android     1.6      8 2009-09-15     6.0     7.0     5.0
4      iOS   3.1.3      8 2010-02-02     NaN     NaN     NaN
5      iOS   4.2.1      6 2010-11-22     8.0     NaN     NaN
6      iOS   4.2.1      9 2012-05-07     6.0     8.0     NaN

您还可以提供一个不同的缺省值，例如-1，这将使您的新列为int

print(
    df
    .sort_values(['Product', 'Release'])
    .groupby('Product')
    .apply(lambda g: trail(g, defaultval=-1, delays=range(1, 4)))
)
# output:
   Product Version  score    Release  score1  score2  score3
0  Android       1      5 2008-09-23      -1      -1      -1
1  Android     1.1      7 2009-02-09       5      -1      -1
2  Android     1.5      6 2009-04-27       7       5      -1
3  Android     1.6      8 2009-09-15       6       7       5
4      iOS   3.1.3      8 2010-02-02      -1      -1      -1
5      iOS   4.2.1      6 2010-11-22       8      -1      -1
6      iOS   4.2.1      9 2012-05-07       6       8      -1

旁注：为了将您的数据放入df中，我复制了示例的文本(包括尾随空格)，并按如下方式读取csv：

txt = """Product  Version  score   Release
Android    1       5    September 23, 2008
Android   1.1      7   February 9, 2009
Android   1.5      6   April 27, 2009   
Android   1.6      8   September 15, 2009   
iOS       3.1.3    8   February 2, 2010
iOS       4.2.1    6   November 22, 2010     
iOS       4.2.1    9   May 7, 2012
"""
txt = '\n'.join([re.sub(' {2,}', '\t', s.strip()) for s in txt.splitlines()])
df = pd.read_csv(io.StringIO(txt), sep='\t', parse_dates=['Release'])