shift 将我的列从整数转换为浮点数。事实证明，np.nan 只是浮动的。有什么方法可以将移位列保持为整数？
df = pd.DataFrame({"a":range(5)})
df['b'] = df['a'].shift(1)
df['a']
# 0 0
# 1 1
# 2 2
# 3 3
# 4 4
# Name: a, dtype: int64
df['b']
# 0 NaN
# 1 0
# 2 1
# 3 2
# 4 3
# Name: b, dtype: float64
【问题讨论】：
df['b'] = df['a'].shift(1).fillna(-1).astype(df.a.dtype)
从熊猫版本0.24.0开始的另一种解决方案：只需为参数fill_value提供一个值：
df['b'] = df['a'].shift(1, fill_value=0)
从 pandas 1.0.0 开始，我相信您还有另一个选择，那就是首先使用 convert_dtypes。这会将数据框列转换为支持 pd.NA 的 dtypes，从而避免了 NaN 的问题。
df = pd.DataFrame({"a":range(5)})
df = df.convert_dtypes()
df['b'] = df['a'].shift(1)
print(df['a'])
# 0 0
# 1 1
# 2 2
# 3 3
# 4 4
# Name: a, dtype: Int64
print(df['b'])
# 0 <NA>
# 1 0
# 2 1
# 3 2
# 4 3
# Name: b, dtype: Int64
【讨论】：
0.24以下pandas的解决方案：
问题是你得到NaN 的值是float，所以int 被转换为float - 请参阅na type promotions。
一种可能的解决方案是将NaN 值转换为0 之类的值，然后可以转换为int：
df = pd.DataFrame({"a":range(5)})
df['b'] = df['a'].shift(1).fillna(0).astype(int)
print (df)
a b
0 0 0
1 1 0
2 2 1
3 3 2
4 4 3
pandas 0.24+ 的解决方案 - 检查Series.shift：
fill_value 对象，可选
用于新引入的缺失值的标量值。默认值取决于 self 的 dtype。对于数值数据，使用 np.nan。对于日期时间、时间增量或周期数据等，使用 NaT。对于扩展 dtype，使用 self.dtype.na_value。在 0.24.0 版中更改。
df['b'] = df['a'].shift(fill_value=0)
【讨论】：
convert_dtypes 函数，正如您在@totalhack 答案（here）中看到的那样。它应该将您的数据转换为所谓的ExtensionDtype，它将保持整数但支持pd.NA，因此您可以使用shift 方法，该方法不会将您的整数转换为浮点数，因为您已使用@987654338 将其转换为整数类型@支持。
另一种解决方案是使用 replace() 函数和类型转换
df['b'] = df['a'].shift(1).replace(np.NaN,0).astype(int)
【讨论】：
您可以通过将0 添加到除a 列的最后一个元素之外的所有元素来构造numpy 数组
df.assign(b=np.append(0, df.a.values[:-1]))
a b
0 0 0
1 1 0
2 2 1
3 3 2
4 4 3
【讨论】：