如何用Pandas将duration列转换为start和end列？优化代码

你原来用iterrows()循环的方式虽然能得到结果，但在数据量较大时效率很低——iterrows()是逐行迭代，没有利用pandas的向量化运算优势。下面是更高效的实现方案，直接用pandas内置的累计求和函数完成：

import pandas as pd

def main():
    data = [
        ['A',7],
        ['B',5],
        ['C',5],
        ['D',15],
        ['E',5]
    ]
    df = pd.DataFrame(data, columns=['name','duration'])
    
    # 计算start列：取duration累计和的前一个值，首行填充0
    df['start'] = df['duration'].cumsum().shift(fill_value=0)
    # 计算end列：直接对duration做累计求和
    df['end'] = df['duration'].cumsum()
    
    # 调整列顺序匹配预期结果
    df = df[['name', 'start', 'duration', 'end']]
    print(df)

main()

代码说明 #

• df['duration'].cumsum()：计算duration列的累计求和结果，这正好对应每一行的end值（end是从0开始累加当前及之前所有duration的总和）
• shift(fill_value=0)：将累计和结果整体向下偏移一行，首行用0填充，得到的就是每一行的start值（start等于上一行的end）
• 整个过程是向量化运算，比逐行循环的效率提升非常明显，尤其当DataFrame行数很多时优势更突出

运行后输出结果和你预期的完全一致：

name  start  duration  end
0    A      0         7    7
1    B      7         5   12
2    C     12         5   17
3    D     17        15   32
4    E     32         5   37

内容的提问来源于stack exchange，提问作者lucky1928