Копирование по диагонали значений по строкам и столбцам в pandas

Question

Вот примерный фрейм данных:

                     datetime temp  T1  T2  T3  T4  T5
115 2020-01-04 02:53:00+00:00   58   0   0   0   0   0
116 2020-01-04 03:53:00+00:00   51   0   0   0   0   0
117 2020-01-04 04:53:00+00:00   49   0   0   0   0   0
118 2020-01-04 05:53:00+00:00   48   0   0   0   0   0
119 2020-01-04 06:00:00+00:00   48   0   0   0   0   0
120 2020-01-04 06:53:00+00:00   47   0   0   0   0   0

А вот что я хочу получить:

                     datetime temp  T1  T2  T3  T4  T5
115 2020-01-04 02:53:00+00:00   58   0   0   0   0   0
116 2020-01-04 03:53:00+00:00   51   58  0   0   0   0
117 2020-01-04 04:53:00+00:00   49   51  58  0   0   0
118 2020-01-04 05:53:00+00:00   48   49  51  58  0   0
119 2020-01-04 06:00:00+00:00   48   48  49  51  58  0
120 2020-01-04 06:53:00+00:00   47   48  48  49  51  58

Answer 1

Использование Series.shift

for col in df.columns[df.columns.str.contains('T')]:
    df[col] = df['temp'].shift(int(col[1:]),fill_value = 0)
print(df)

Мы также можем использовать pd.Index.difference

for col in df.columns.difference(['datetime','temp']):
        df[col] = df['temp'].shift(int(col[1:]),fill_value = 0)

Выход

                      datetime  temp  T1  T2  T3  T4  T5
115  2020-01-04-02:53:00+00:00    58   0   0   0   0   0
116  2020-01-04-03:53:00+00:00    51  58   0   0   0   0
117  2020-01-04-04:53:00+00:00    49  51  58   0   0   0
118  2020-01-04-05:53:00+00:00    48  49  51  58   0   0
119  2020-01-04-06:00:00+00:00    48  48  49  51  58   0
120  2020-01-04-06:53:00+00:00    47  48  48  49  51  58

Answer 2

Для использования решения numpy я не нашел встроенного решения, использующего сдвиг путем ссылки на список ввода, но мы можем использовать this превосходный ответ вежливости @Divakar и использовать его, чтобы получить наш решение путем создания необходимых массивов из нашего фрейма данных:

cols = df.columns[2:]
mat = np.ones((len(df),len(cols))) * df['temp'][:,None]
r = np.arange(1,len(cols)+1)

---

df[cols]=strided_indexing_roll(mat.T,r).T
print(df)

                    datetime  temp    T1    T2    T3    T4    T5
0  2020-01-04 02:53:00+00:00    58   0.0   0.0   0.0   0.0   0.0
1  2020-01-04 03:53:00+00:00    51  58.0   0.0   0.0   0.0   0.0
2  2020-01-04 04:53:00+00:00    49  51.0  58.0   0.0   0.0   0.0
3  2020-01-04 05:53:00+00:00    48  49.0  51.0  58.0   0.0   0.0
4  2020-01-04 06:00:00+00:00    48  48.0  49.0  51.0  58.0   0.0
5  2020-01-04 06:53:00+00:00    47  48.0  48.0  49.0  51.0  58.0

Примечание: Измените строку p = np.full((a.shape[0],a.shape[1]-1),np.nan) на p = np.full((a.shape[0],a.shape[1]-1),0) в функции.