Pandas中高效处理多行访问操作及用下一行值更新DataFrame的方法

嘿，这两个问题都是处理时序/序列数据时的高频需求，我来给你拆解清楚，保证高效又好用～

处理跨多行的操作，核心思路是尽量用向量化方法，避免逐行循环，以下是几个最实用的高效方案：

• 用shift()实现行偏移访问：这是最常用的场景，比如要获取上一行、下一行的数据，shift()是Pandas原生的向量化操作，性能拉满。比如取上一行值用df['column'].shift(1)，取下一行值用shift(-1)，完全不需要手动遍历。
• 利用rolling()处理滑动窗口操作：如果需要对连续N行做聚合计算（比如滑动平均、滚动求和），rolling()是专门的工具，底层也是向量化实现。比如计算每一行与前两行的平均值：df['column'].rolling(window=3).mean()。
• 优先避免iterrows()/apply(axis=1)：这两个方法本质是逐行循环，数据量稍微大一点（比如上万条）就会变得极慢。除非你的逻辑特别复杂、完全无法向量化，否则别碰。真要处理复杂逻辑，可以试试用numba加速循环，但还是优先找向量化替代方案。
• 用diff()快速计算行差值：如果需求是当前行与上一行的差值，直接用df['column'].diff()就行，比自己用shift()做减法更简洁高效。

你这个车辆位置序列的场景，正好是shift()的完美应用，一行代码就能搞定，而且效率极高：
假设你的DataFrame名为df，已有current_x和current_y列，直接执行：

# 将下一行的current_x/y赋值给当前行的next_x/y
df['next_x'] = df['current_x'].shift(-1)
df['next_y'] = df['current_y'].shift(-1)

补充说明： #

• shift(-1)会把整个列向上偏移一位，所以当前行的next_x正好对应下一行的current_x；
• 最后一行的next_x和next_y会变成NaN（因为没有下一行数据），你可以根据需求用df.fillna()处理，比如填充最后一行自身的坐标：df['next_x'] = df['next_x'].fillna(df['current_x'])；
• 这个方法之所以高效，是因为shift()是Pandas底层用C实现的向量化操作，比手动循环快几个数量级——要是你有几十万条轨迹数据，差距会特别明显。

内容的提问来源于stack exchange，提问作者Cate