如何在Pandas DataFrame中一次性计算当前行与上方N行的百分比变化

好问题！Pandas本身并没有提供直接生成这种多列对应不同历史行百分比变化的内置方法，但我们可以用shift()方法配合简单的逻辑轻松实现，完全不需要复杂的循环或者自定义函数。

核心思路 #

我们的需求是对每一行，分别计算它与上方第1行、第2行……第N行的百分比变化（按你给出的公式：1 - 历史值/当前值），并把这些结果分别存入N个新列。关键就是利用shift(i)方法获取当前行上方第i行的值，再进行逐元素计算。

示例实现（以N=4为例） #

首先我们构造一个和你描述匹配的示例数据集：

import pandas as pd

# 构造示例数据，前4行是100、103、104、106，第5行是110
df = pd.DataFrame({'Data': [100, 103, 104, 106, 110, 115, 120]})

接下来我们生成对应的4列（A、B、C、D）：

N = 4
# 循环生成每一列：对应与上方第i行的百分比变化
for offset in range(1, N+1):
    # 用chr(64+offset)把1→A、2→B……4→D
    df[chr(64 + offset)] = 1 - df['Data'].shift(offset) / df['Data']

运行后得到的结果如下：

Data         A         B         C         D
0   100       NaN       NaN       NaN       NaN
1   103       NaN       NaN       NaN       NaN
2   104       NaN       NaN       NaN       NaN
3   106       NaN       NaN       NaN       NaN
4   110  0.036364  0.054545  0.063636  0.090909
5   115  0.043478  0.078261  0.104348  0.130435
6   120  0.041667  0.083333  0.116667  0.141667

完全符合你要求的结果：前4行因行数不足显示NaN，从第5行开始，每一列对应与上方对应行的百分比变化值。

补充说明 #

如果你需要的是Pandas默认pct_change()的逻辑（即(当前值-历史值)/历史值），可以直接替换计算式为df['Data'].pct_change(periods=offset)，效果同样高效。

另外，如果你偏好更简洁的写法，也可以用pd.concat一次性生成所有列：

N = 4
# 生成所有偏移列的列表
new_cols = [1 - df['Data'].shift(i)/df['Data'] for i in range(1, N+1)]
# 合并为DataFrame并命名列
new_cols_df = pd.concat(new_cols, axis=1, keys=[chr(64+i) for i in range(1, N+1)])
# 和原数据合并
df = pd.concat([df, new_cols_df], axis=1)

这种方法和循环写法效率几乎一致，都能很好地处理大规模数据集。

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