python - 有没有办法从不同长度的 Pandas 数据框中移动多行？

Question

我有一个看起来像附加图像的 Pandas 数据框 名称为 Wells 1,2,..,n 的每一列都有不同的生产开始时间。有些是在第 5 个月或第 9 个月，有些是在 24 个月后。我想标准化所有这些的开始日期。也就是说，将所有非零值向上移动。我知道此示例代码仅适用于 Well 7，但我想对其进行优化并同时执行所有这些操作。

df['Well 7'] = df['Well 7'].shift(-1)

我是 pandas 的新手，我在循环中尝试过，但数据框名称在循环中不起作用。

  df['Well {0}'].format(well)

感谢任何帮助!

Answer 1

使用Series.str.startswith检测 Well 列，例如 cols_Well(此步骤可以省略并自行选择列)。

然后我们可以用Series.cumsum计算出0首字母的个数| ，例如 shift_cols_Well。因此这个系列告诉我们要传递给 Series.shift 的参数:

cols_Well = df.columns[df.columns.str.startswith('Well')]
shift_cols_Well = df[cols_Well].ne(0).cumsum().eq(0).sum()
#shift_cols_Well = df[cols_Well].eq(0).cumprod().sum()
for col in cols_Well:
    df[col] = df[col].shift(-shift_cols_Well.loc[col])

---

示例

df = pd.DataFrame({'Time':range(1,10),
                   'Well 1':[0,2,3,4,5,6,7,8,9],'Well 2':[0,0,3,4,5,6,7,8,9]})

   Time  Well 1  Well 2
0     1       0       0
1     2       2       0
2     3       3       3
3     4       4       4
4     5       5       5
5     6       6       6
6     7       7       7
7     8       8       8
8     9       9       9

---

解决方案示例

cols_Well = df.columns[df.columns.str.startswith('Well')]
shift_cols_Well = df[cols_Well].ne(0).cumsum().eq(0).sum()
#shift_cols_Well = df[cols_Well].eq(0).cumprod().sum()
for col in cols_Well:
    df[col] = df[col].shift(-shift_cols_Well.loc[col])
print(df)

   Time  Well 1  Well 2
0     1     2.0     3.0
1     2     3.0     4.0
2     3     4.0     5.0
3     4     5.0     6.0
4     5     6.0     7.0
5     6     7.0     8.0
6     7     8.0     9.0
7     8     9.0     NaN
8     9     NaN     NaN

---

详情

print(shift_cols_Well)
Well 1    1
Well 2    2
dtype: int64