如何按国家分组对DataFrame行执行.diff()和.pct_change()操作？

直接用Pandas的groupby+diff()/pct_change()组合就能解决，这是最原生高效的方式，完全不需要手动循环或拼接：

步骤1：先确保数据按国家+年份排序 #

如果数据包含年份列，必须先按国家和年份排序，保证每个国家的人口数据按时间顺序排列，否则计算的差分/变化率会混乱：

df = df.sort_values(['country', 'year'])

步骤2：分组计算差分和变化率 #

直接按country分组后，对population列调用对应函数，结果会自动匹配原数据的行：

# 计算相邻年份的人口变化量（差分）
df['population_diff'] = df.groupby('country')['population'].diff()

# 计算相邻年份的人口变化百分比
df['population_pct_change'] = df.groupby('country')['population'].pct_change()

为什么你之前的方法会出错？ #

• 循环concat报TypeError：多半是循环中分组后的子数据框索引和原数据没对齐，或者concat的参数（比如axis）设置错误，导致拼接时结构不兼容。
• 用append全出NaN：append在新版Pandas里已被弃用，且它会生成新的DataFrame，若未处理好索引对齐，新生成的列无法和原数据匹配，最终全部显示NaN。

额外注意事项 #

• 如果需要计算间隔n年的变化，比如隔2年的差分/变化率，只需给函数传periods参数：diff(periods=2)、pct_change(periods=2)。
• 若数据中有缺失值，diff()和pct_change()会自动保留NaN，你可以用fillna()处理，比如df['population_diff'] = df['population_diff'].fillna(0)。

内容的提问来源于stack exchange，提问作者Demenaio