我就废话不多说了，大家还是直接看代码吧！

import pandas as pddef get_under_rolling(df,window,user,name): df[name] = df[user].iloc[::-1].rolling(window=window).apply(lambda x:x[0]).iloc[::-1] return dfif __name__ == '__main__': df = pd.DataFrame({'a':[1,2,3,4,5], 'b':[2,3,4,5,6]}) # 把b列向下取值作为新的c列 df = get_under_rolling(df, window=3, user='b',name='c')

原始df

新的df

补充知识：python：利用rolling和apply对DataFrame进行多列滚动，数据框滚动

看代码~

# 设置一个初始数据框df1 = [1,2,3,4,5]df2 = [2,3,4,5,6]df = pd.DataFrame({'a':list(df1),'b':list(df2)})print(df) a b 0 1 2 1 2 3 2 3 4 3 4 5 4 5 6

下面是滚动函数

# 多列滚动函数# handle对滚动的数据框进行处理def handle(x,df,name,n): df = df[name].iloc[x:x+n,:] print(df) return 1# group_rolling 进行滚动 # n：滚动的行数# df：目标数据框# name：要滚动的列名def group_rolling(n,df,name): df_roll = pd.DataFrame({'a':list(range(len(df)-n+1))}) df_roll['a'].rolling(window=1).apply(lambda x:handle(int(x[0]),df,name,n),raw=True)

对初始数据框进行滚动

其中：

n=2，name=[‘a',‘b']
group_rolling(n=2,df=df,name=['a','b'])

每次滚动的结果如下：

a b0 1 21 2 3 a b1 2 32 3 4 a b2 3 43 4 5 a b3 4 54 5 6

以上这篇python 实现rolling和apply函数的向下取值操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。