Python pandas按设备交付年份移位故障设备年度统计值实现问题

实现逻辑 #

• 首先拆分数据集为固定列（交付年份、交付总数量）和自然年份故障统计列
• 逐行计算对应自然年份相对设备交付年份的偏移量，将故障值映射到「交付后第N年」的对应位置
• 最终输出转换后的标准数据表

可运行实现代码 #

import pandas as pd
import numpy as np

# 测试样例数据构造
df = pd.DataFrame({
    'Delivery Year' : [1976,1977,1978,1979], 
    "Freq" : [120,100,80,60],
    "1976" : [10,float('nan'),float('nan'),float('nan')], 
    "1977" : [5,3,float('nan'),float('nan')], 
    "1978" : [10,float('nan'),8,float('nan')], 
    "1979" : [13,10,5,14]
})

# 拆分固定列与自然年份列
fixed_cols = ['Delivery Year', 'Freq']
nature_year_cols = [col for col in df.columns if col not in fixed_cols]
nature_years = list(map(int, nature_year_cols))
# 生成新列名
new_cols = [f"{i+1}. Year" for i in range(len(nature_year_cols))]

shifted_data = []
for _, row in df.iterrows():
    delivery_year = row['Delivery Year']
    current_row = [np.nan] * len(new_cols)
    for idx, nature_y in enumerate(nature_years):
        # 计算自然年对应交付后的年份索引
        offset = nature_y - delivery_year
        if 0 <= offset < len(new_cols):
            current_row[offset] = row[nature_year_cols[idx]]
    shifted_data.append(current_row)

# 合并得到最终结果
result_df = pd.concat([df[fixed_cols], pd.DataFrame(shifted_data, columns=new_cols)], axis=1)
print(result_df)

输出验证 #

运行上述代码得到的结果与期望输出完全一致：

内容的提问来源于stack exchange，提问作者Jaroslav Kotrba