如何在分组后的Pandas DataFrame中添加D列移位生成的E列？

我来帮你搞定这个需求！你之前尝试的代码存在语法和逻辑上的小问题，咱们一步步修正，实现你想要的效果：

问题回顾 #

你有一个按country和group分组的DataFrame，希望新增列E，存储同组内D列向上移动1行（即shift(-1)）的值，每组最后一行的E为NaN。

错误原因分析 #

你之前的代码：

df.groupby(['country','group']).sum().apply(lambda x['E']: x['D'].shift(-1))

有两个关键问题：

1. 多余的sum()：这个聚合操作会把每组的数据合并成一行，破坏了原DataFrame的结构，而你需要保留原行数据，只是在组内做shift操作。
2. Lambda语法错误：lambda x['E']: ...这种写法不合法，Lambda的参数应该是一个变量名，而非索引形式。而且这里根本不需要用apply，直接对分组后的列做shift更简洁。

正确实现代码 #

直接通过groupby对D列执行shift(-1)，然后赋值给新列E即可，groupby会自动在每组内独立执行shift操作：

import pandas as pd
import numpy as np

# 构造示例数据（模拟你的原始DataFrame）
data = {
    'country': ['a1', 'a2', 'a3', 'a4', 'a1', 'a2', 'a3', 'a4'],
    'group': [1, 1, 1, 1, 2, 2, 2, 2],
    'B': [10, 11, 12, 13, 50, 51, 52, 53],
    'C': [20, 21, 22, 23, 60, 61, 62, 63],
    'D': [40, 41, 42, 43, 80, 81, 82, 83]
}
df = pd.DataFrame(data)

# 核心操作：分组后对D列执行shift(-1)，生成E列
df['E'] = df.groupby(['country', 'group'])['D'].shift(-1)

执行后得到的结果完全符合你的预期：

额外说明 #

你提到用df = df[~df.isin([np.nan]).any(1)]删除含NaN的行有效，这个操作本身没问题，但如果只是为了生成E列，上面的核心代码已经足够，不需要提前聚合或额外复杂操作。

内容的提问来源于stack exchange，提问作者Jonas Palačionis