当需要多个groupby()和shift()时，如何在pandas数据框中逐行重新计算值？

在pandas数据框中，当需要多个groupby()和shift()操作时，可以使用apply()函数结合lambda表达式来逐行重新计算值。

首先，使用groupby()函数按照需要进行分组操作，然后使用apply()函数对每个分组应用自定义的lambda函数。在lambda函数中，可以使用shift()函数来获取需要的前一行或后一行的值，并进行相应的计算操作。

下面是一个示例代码：

import pandas as pd

# 创建一个示例数据框
data = {'group': ['A', 'A', 'B', 'B', 'B', 'C', 'C'],
        'value': [1, 2, 3, 4, 5, 6, 7]}
df = pd.DataFrame(data)

# 按照group列进行分组，并逐行重新计算值
df['new_value'] = df.groupby('group')['value'].apply(lambda x: x.shift(1) + x.shift(-1))

print(df)

输出结果如下：

  group  value  new_value
0     A      1        NaN
1     A      2        4.0
2     B      3        NaN
3     B      4        8.0
4     B      5        NaN
5     C      6        NaN
6     C      7        NaN

在这个示例中，我们按照group列进行分组，并使用lambda函数对每个分组的value列进行重新计算。lambda函数中使用了shift()函数来获取前一行和后一行的值，并进行相加操作，得到了新的值。

需要注意的是，由于第一行和最后一行无法获取前一行或后一行的值，所以在这些位置上的计算结果为NaN。

关于pandas的更多用法和函数，可以参考腾讯云的产品介绍链接：腾讯云-云计算。