Pandas数据框 - 在组内排序和移位[重复]

Question

我有一个如下所示的 pandas 数据框

此数据框已按 O、A、N 三个列分组，但如您所见，它未按 time 列排序

我的目标是通过维护O、A、N 的groupby 来根据time 列对其进行排序，然后对value 列执行shift(-1) 操作以创建value_next观察。

输出应如下所示（NaN 被估算为 -1` 用于演示）

我在下面做了：

import pandas as pd
  
# Initialize data to lists.
data = [{'time': 10, 'O': 1, 'A': 2, 'N':3, 'value': 10},
        {'time': 7, 'O': 1, 'A': 2, 'N':3, 'value': 11},
       {'time': 15, 'O': 1, 'A': 2, 'N':3, 'value': 12},
       {'time': 11, 'O': 2, 'A': 2, 'N':3, 'value': 20},
        {'time': 12, 'O': 2, 'A': 2, 'N':3, 'value': 21},
       {'time': 1, 'O': 2, 'A': 2, 'N':3, 'value': 25}]
  
# Creates DataFrame.
df = pd.DataFrame(data)
  
#sorting
df.sort_values(by=['O', 'A', 'N', 'time'], ascending=[True, True, True, True])

#shift
df['value_next'] = df.groupby(['O', 'A', 'N'])['value'].shift(-1)

这会生成低于预期的输出。我错过了什么？

请提出建议。

Answer 1

sort_values 默认不是就地操作。要么通过inplace=True

df.sort_values(['O','A', 'N', 'time'], inplace=True)
# other operations

或重新分配：

df = df.sort_values(...)
# other operations