如何在不丢失数据的情况下使用pandas.shift()？
如何在不丢失数据的情况下使用pandas.shift()？
提问于 2022-06-25 15:19:51
我试图在不丢失最后一行的情况下向下移动.csv中的某些行。如果您使用df.shift(1)，它将返回移位的数据，删除最后一行数据。我想要的是在不丢失最后一行数据的情况下进行转换。
原件(数据)：
example1,example1
example2,example2
example3,example3在data.shift(1)之后会发生什么
NaN,NaN
example1,example1
example2,example2我想要的：
NaN,NaN
example1,example1
example2,example2
example3,example3也许在最后创建一个用NaN填充的行可以解决这个问题？(我不知道如何用NaN填充单元格)。
下面是我选择某些行的实际代码：
import pandas
data = pandas.read_csv('path/test.csv', header=False,
yes = data.iloc[2:3].shift(1)
print(yes)产出：
NaN,NaN
example2,example2回答 2
Stack Overflow用户
回答已采纳
发布于 2022-06-25 16:24:47
首先：
0 1
0 example1 example1
1 example2 example2
2 example3 example3做：
import pandas as pd
import numpy as np
# Version 1:
df.index += 1
df.loc[0] = np.nan
df = df.sort_index()
# Version 2:
df.loc[-1] = np.nan
df = df.sort_index().reset_index(drop=True)输出：
0 1
0 NaN NaN
1 example1 example1
2 example2 example2
3 example3 example3Stack Overflow用户
发布于 2022-06-25 15:39:37
采用添加一行的方法：
df = pd.DataFrame([['example1','example1'],['example2','example2'],['example3','example3']])
row = ['blank','blank']
df.loc[len(df)] = row给予：
0 1
0 example1 example1
1 example2 example2
2 example3 example3
3 blank blank页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/72757931
复制相关文章
点击加载更多
相似问题
如何在不丢失旧数据的情况下使用FileOutputStream写入数据？
Pandas如何在不丢失数据的情况下透视
如何在不丢失数据的情况下过滤数组？
如何在不丢失形状的情况下过滤数据？
如何在不丢失数据的情况下处理UnicodeDecodeError？
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
