好问题！Pandas里并没有直接实现这个特定需求的内置方法，但我们可以用移位（shift）操作快速写出代码来实现，逻辑其实很清晰，我给你演示一下。

先明确你的需求：对于每一行，生成N列，分别对应当前行与前1行、前2行…前N行的百分比变化（公式是1 - 前k行值/当前行值），前N行因为没有足够的历史数据，这些列都显示NaN，从第N+1行开始填充数值。

示例代码实现 #

我们先构造一个符合你描述的示例数据集，然后以N=4为例写出代码：

import pandas as pd

# 构造示例数据，和你提到的例子对应
df = pd.DataFrame({'Data': [100, 103, 104, 106, 110, 112, 115]})
N = 4

# 生成列名：A、B、C、D
col_names = [chr(ord('A') + i) for i in range(N)]

# 循环生成每一列的百分比变化
for offset, col in zip(range(1, N+1), col_names):
    # shift(offset) 将数据向下偏移offset行，正好对应前offset行的值
    df[col] = 1 - df['Data'].shift(offset) / df['Data']

执行这段代码后，你会得到这样的结果：

完全符合你要求的计算结果！

优化写法（无循环） #

如果你的数据集很大，想避免循环，也可以用pd.concat结合列表推导式来实现：

col_names = [chr(ord('A') + i) for i in range(N)]
# 生成所有需要的列，再和原DataFrame合并
df = pd.concat(
    [df] + [1 - df['Data'].shift(k)/df['Data'] for k in range(1, N+1)],
    axis=1
)
# 重新设置列名
df.columns = ['Data'] + col_names

公式调整说明 #

如果之后你需要的是常规的百分比变化（(当前值-前k行值)/前k行值，也就是pct_change的计算逻辑），只需要把公式改成：

df[col] = (df['Data'] - df['Data'].shift(offset)) / df['Data'].shift(offset)

内容的提问来源于stack exchange，提问作者Ishwar Jindal