如何复制DataFrame并通过插值处理实现数据增强

以下是可直接运行的代码实现，完全匹配你描述的计算逻辑：

import pandas as pd

# 构造你的原始DataFrame
df = pd.DataFrame({
    'Value1': [1.0, 1.0, 1.0, 0.8, 0.5, 0.1],
    'Value2': [0.0, 0.2, 0.4, 0.6, 0.4, 0.2],
    'Value3': [0.0, 0.2, 0.4, 0.6, 0.8, 1.0]
})

# 核心计算逻辑
new_df = (df + df.shift(-1)) / 2
# 保留最后一行原始数值
new_df.iloc[-1] = df.iloc[-1]

# 打印验证结果
print(new_df)

运行后输出的结果和你给出的目标效果完全一致：

Value1  Value2  Value3
0    1.00     0.1     0.1
1    1.00     0.3     0.3
2    0.90     0.5     0.5
3    0.65     0.5     0.7
4    0.30     0.3     0.9
5    0.10     0.2     1.0

该实现通过shift(-1)将DataFrame整体向上偏移1位，直接批量计算相邻行的均值，最后覆盖最后一行的数值即可，不需要循环遍历每一行，性能表现更好。

内容的提问来源于stack exchange，提问作者Timkowik23