如何对分组后的DataFrame进行滚动旋转并同步Index？

核心是要让分组后的整行数据（含索引列）一起循环滚动，而非仅滚动数值列。之前的问题大概率是只对数值列做了滚动，未同步处理索引列，或滚动后未正确重置每组内部索引。

示例数据构造 #

先模拟你的场景：

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'idx': [1,2,3,4,5,6],
    'ValueA': ['a','a','a','b','b','b'],
    'ValueB': [10,20,30,40,50,60]
})

正确的分组滚动实现 #

定义滚动函数时，对每组所有列执行循环移位，再重置每组内部默认索引：

def roll_group(group, shift=2):
    # 对整组数据的行执行循环滚动，shift为正表示向后滚
    rolled_data = np.roll(group.values, shift, axis=0)
    # 重新构造DataFrame并保留原列名
    rolled_group = pd.DataFrame(rolled_data, columns=group.columns)
    # 重置每组内部索引，避免原索引干扰
    rolled_group.reset_index(drop=True, inplace=True)
    return rolled_group

# 按ValueA分组后应用滚动函数
result_df = df.groupby('ValueA', group_keys=False).apply(roll_group, shift=2)

结果验证 #

执行后result_df输出如下，可见每组的idx与ValueB同步向后滚动2位（循环移位）：

idx ValueA ValueB
0    2      a     20
1    3      a     30
2    1      a     10
3    5      b     50
4    6      b     60
5    4      b     40

之前方法失败的原因 #

• 若仅对ValueB列单独执行shift操作，idx列不会同步移动，必然出现数值与索引脱节。
• 直接对整体结果reset_index，只会重置全局索引，无法修正每组内的行顺序。

适配find_peaks的提示 #

滚动完成后，可直接对每组的ValueB列调用scipy.signal.find_peaks——循环移位后边缘峰值会被移至数据中间区域，更便于检测。

内容的提问来源于stack exchange，提问作者J.S.