如何在Python Pandas中将所有偶数行向下移动指定步长？

我来帮你解决这个问题！你已经掌握了行移动和特定行选取的方法，现在要实现的是把df.iloc[1::2]选中的行在原数据集中向下移动指定步长，对吧？下面是具体的解决方案：

核心思路 #

我们需要分三步操作：

• 先把要移动的行单独提取出来，避免修改原数据时丢失内容
• 在原数据副本中清空这些行的位置
• 把提取出来的行调整索引后，填充到向下移动指定步长的新位置

基础实现代码（直接覆盖目标位置） #

假设我们要把目标行向下移动1步，代码如下：

import pandas as pd

# 原始数据集
d = {'ID': ["A1","A1", "A2","A2","A3","A3","B1","B1","B2","B2","B3","B3","C1", "C1","C2","C2","C3","C3"], 
     'value': [11,12,13,14,15,16,21,22,23,24,25,26,31,32,33,34,35,36]}
df = pd.DataFrame(data=d)

# 定义要移动的行索引（对应df.iloc[1::2]选中的行）
target_indices = df.index[1::2]
shift_steps = 1  # 这里可以修改成你需要的移动步长

# 提取目标行的数据
target_rows = df.loc[target_indices].copy()

# 创建原数据的副本，清空目标行的内容
df_shifted = df.copy()
df_shifted.loc[target_indices] = pd.NA

# 调整目标行的索引，移动到新位置并填充
target_rows.index = target_rows.index + shift_steps
df_shifted.loc[target_rows.index] = target_rows.values

# 查看处理后的结果
print(df_shifted)

进阶实现（插入式移动，不覆盖原有数据） #

如果你的需求是让移动的行插入到新位置，原有行自动向后顺延（不会被覆盖），可以用下面的方式：

import pandas as pd

d = {'ID': ["A1","A1", "A2","A2","A3","A3","B1","B1","B2","B2","B3","B3","C1", "C1","C2","C2","C3","C3"], 
     'value': [11,12,13,14,15,16,21,22,23,24,25,26,31,32,33,34,35,36]}
df = pd.DataFrame(data=d)

target_indices = df.index[1::2]
shift_steps = 1

# 为每一行构造新的索引：目标行的索引加上步长，其他行保持原索引
new_indices = []
for idx in df.index:
    if idx in target_indices:
        new_indices.append(idx + shift_steps)
    else:
        new_indices.append(idx)

# 重新排序并重置索引，实现插入式移动
df_shifted = df.set_index(pd.Index(new_indices)).sort_index().reset_index(drop=True)

print(df_shifted)

这种方式处理后，原有的行不会被覆盖，目标行会插入到指定位置，所有行的相对逻辑也能保持。

内容的提问来源于stack exchange，提问作者Jiayu Zhang