如何在Python DataFrame的iloc、shift等函数中使用列值？

报错原因说明 #

• 针对iloc报错：iloc仅支持传入单个整数、整数列表/数组作为位置索引，不支持直接传入等长Series实现逐行对应取值。你传入的df['B']是完整Series，且当B列存在重复值、超出df索引范围的值时，pandas无法完成对齐重排，因此抛出cannot reindex from a duplicate axis错误。
• 针对shift()报错：shift()的移位周期参数要求传入单个整数值，无法直接传入Series实现每行按不同偏移量移位，pandas在判断移位参数时出现多值判断冲突，因此抛出The truth value of a Series is ambiguous错误。

实现方法 #

你的需求可以实现，推荐使用numpy高级索引完成，性能远高于逐行遍历操作：

import pandas as pd
import numpy as np

# 示例数据
d = {'A': [8, 2, 4, 5, 6, 4, 3, 5, 5, 3], 'B': [2, -1, 4, 5, 0, -3, 8, 2, 6, -1]}
df = pd.DataFrame(data=d)

# 构造每行对应的目标位置：若需和shift(B)逻辑一致（偏移B个周期）则用 index - B，可按需调整计算逻辑
pos = df.index - df['B']
# 过滤超出有效索引范围的位置（小于0或大于等于df长度的位置标记为无效）
pos = pos.where((pos >= 0) & (pos < len(df)), np.nan)
# 按位置取值，无效位置返回NaN，再和当前行A值相乘
df['C'] = df['A'] * df['A'].take(pos, allow_fill=True).values

# 若需将无效位置的NaN替换为自定义默认值（比如0），可补充以下代码
# df['C'] = df['C'].fillna(0)

如果需要用B列的值作为rolling的窗口大小实现可变窗口计算（要求pandas版本≥1.3.0），示例如下：

# 以B列值为窗口大小，计算A列的移动均值，min_periods设置为1避免小窗口返回NaN
df['rolling_mean'] = df['A'].rolling(window=df['B'].to_numpy(), min_periods=1).mean()

内容的提问来源于stack exchange，提问作者Jane Doe