如何按Time和Prop1分组计算Pandas中Prop2的列间差值

你需要按Time和Prop1的组合分组，对每组内的Prop2计算后行减前行的差值，嵌套循环在大数据集下效率极差，用Pandas的groupby+diff可以完美解决，性能远超循环实现。

核心实现代码 #

import pandas as pd

# 初始化数据集
df = pd.DataFrame(
    {"Time": [1,2,3,1,2,3],
     "Prop1": ["A","B","A","A","B","B"],
     "Prop2": [4, 5, 1, 5, 4, 3]})

# 按Time和Prop1分组，计算Prop2的差值
df['Prop2Diff'] = df.groupby(['Time', 'Prop1'])['Prop2'].diff()

格式化为期望的显示样式 #

如果需要把差值转换成你想要的(当前值-前值)=结果格式，可以用apply做字符串格式化：

# 处理差值的显示格式，NaN保持原样
df['Prop2Diff'] = df.apply(
    lambda row: f"({row['Prop2']}-{row['Prop2'] - row['Prop2Diff']})= {int(row['Prop2Diff']) if row['Prop2Diff'].is_integer() else row['Prop2Diff']}"
    if pd.notna(row['Prop2Diff']) else pd.NA,
    axis=1
)

最终结果 #

运行后得到的结果与你的期望完全匹配：

逻辑说明 #

• groupby(['Time', 'Prop1'])会将所有Time和Prop1完全匹配的行归为一组，比如Time=1且Prop1=A的两行是一组，Time=2且Prop1=B的两行是一组，其余组仅含单行。
• diff()方法对每组内的Prop2执行后行减前行的计算，单行组自动返回NaN，完全符合你的需求。
• 这是Pandas原生的向量化操作，避免了循环带来的性能损耗，在大数据集下效率提升非常显著。

内容的提问来源于stack exchange，提问作者KerbFusion