sorted_df['First City'] = sorted_df.groupby('State')['City'].shift(0) sorted_df['Last City'] = sorted_df.groupby('State')['City'].shift(-1) sorted_df = sorted_df.reset_index(drop=True) print(sorted_df)将这段代码封装起来并注释

以下是将代码封装并添加注释的示例：

import pandas as pd

def add_shifted_columns(df, group_by_column, shift_column, shift_values):
    """
    对 Pandas dataframe 按照指定列进行分组，然后在指定列的基础上添加前一个和后一个值所在行的列，最后重置索引并返回结果。

    Args:
        df: Pandas dataframe，需要操作的数据。
        group_by_column: str，指定按照哪一列进行分组。
        shift_column: str，指定需要添加前一个和后一个值所在行的列。
        shift_values: list，指定需要添加前一个和后一个值所在行的列的名称，顺序依次为前一个值所在行的列名称和后一个值所在行的列名称。

    Returns:
        Pandas dataframe，添加了前一个和后一个值所在行的列后的数据。

    Raises:
        无异常。

    Example：
        df = pd.read_csv('data.csv')
        sorted_df = df.sort_values(['State', 'Population'], ascending=[True, False])
        shifted_df = add_shifted_columns(sorted_df, 'State', 'City', ['First City', 'Last City'])
    """
    # 添加前一个和后一个值所在行的列
    df[shift_values[0]] = df.groupby(group_by_column)[shift_column].shift(0)
    df[shift_values[1]] = df.groupby(group_by_column)[shift_column].shift(-1)

    # 重置索引
    shifted_df = df.reset_index(drop=True)

    return shifted_df

在上述代码中，`df` 参数是需要操作的 Pandas dataframe，`group_by_column` 参数指定了按照哪一列进行分组。`shift_column` 参数指定了需要添加前一个和后一个值所在行的列，`shift_values` 参数指定了需要添加前一个和后一个值所在行的列的名称，顺序依次为前一个值所在行的列名称和后一个值所在行的列名称。

函数中的注释描述了函数的输入、输出、异常情况等信息，方便其他人使用和理解。