如何在Pandas DataFrame中结合条件逻辑计算行差值

需求说明 #

使用pandas.DataFrame.diff()计算DataFrame中相邻行的差值，当data列的值为0时，将该行的差值设为0（也可设为NaN）。

示例代码 #

import pandas as pd
# Sample DataFrame
df = pd.DataFrame({'data': [10, 20, 0, 25, 0, 0, 30, 25, 40]})
df['diff'] = df.data.diff()

结果对比 #

无效尝试代码 #

df['diff'] = df['data'].apply(lambda x: 0 if x == 0 else df.data.diff())

解决方案 #

方法1：使用numpy.where #

先计算基础差值，再通过条件判断修改目标位置的值：

import pandas as pd
import numpy as np

df = pd.DataFrame({'data': [10, 20, 0, 25, 0, 0, 30, 25, 40]})
df['diff'] = df['data'].diff()
# 当data列为0时，将diff设为0
df['diff'] = np.where(df['data'] == 0, 0, df['diff'])

方法2：使用Series.mask #

直接对差值序列进行条件替换，代码更简洁：

import pandas as pd

df = pd.DataFrame({'data': [10, 20, 0, 25, 0, 0, 30, 25, 40]})
df['diff'] = df['data'].diff().mask(df['data'] == 0, 0)

若需将目标位置设为NaN #

只需把替换值改成np.nan即可：

# 使用numpy.where
df['diff'] = np.where(df['data'] == 0, np.nan, df['diff'])

# 使用mask（mask默认替换为NaN，可省略第二个参数）
df['diff'] = df['data'].diff().mask(df['data'] == 0)

无效代码原因说明 #

之前的apply写法错误在于：lambda中的x是data列的单个元素，而df.data.diff()返回的是整个差值Series，这会导致每个符合条件的元素都被替换成整个Series，最终结果不符合预期。正确思路是先生成完整的差值序列，再针对data列的条件修改对应位置的值。

内容的提问来源于stack exchange，提问作者Nic