如何使用Pandas从第二行开始处理DataFrame？附计算代码示例

核心思路 #

要实现从第二行开始处理DataFrame，核心是跳过第一行，仅对索引从1开始的行应用计算逻辑，同时保留第一行的原始值或初始设定值。

具体实现方法 #

方法1：通过索引筛选后执行计算 #

先提取从第二行开始的子DataFrame进行计算，再将结果赋值回原DataFrame，第一行保持原值：

# 保留第一行的原始值（若为NaN则替换为启动资金）
if pd.isnull(df.loc[0, "TodayTotalAmount"]):
    df.loc[0, "TodayTotalAmount"] = startupCapital

# 对第二行及以后的行应用计算逻辑
df.loc[1:, "TodayTotalAmount"] = df.loc[1:].apply(
    lambda x: _computeTodayTotalAmount(
        x['OpeningMethods'],
        startupCapital,
        x['TodayTotalAmount'],
        df['TodayTotalAmount'].shift(1).loc[x.name]
    ),
    axis=1
)

方法2：在自定义函数中判断行索引 #

直接在计算函数内判断当前行是否为第一行，若是则返回初始值，否则执行计算：

import pandas as pd

def _computeTodayTotalAmount(row, startupCapital):
    # 第一行直接返回初始值（或原始值）
    if row.name == 0:
        return row['TodayTotalAmount'] if not pd.isnull(row['TodayTotalAmount']) else startupCapital
    
    # 后续行执行原有计算逻辑
    today_val = row['TodayTotalAmount']
    yesterday_val = df['TodayTotalAmount'].shift(1).loc[row.name]
    
    if pd.isnull(today_val):
        today_val = startupCapital
    else:
        if row['OpeningMethods'] == "Long":
            return today_val - yesterday_val
        elif row['OpeningMethods'] == "Short":
            return -(today_val - yesterday_val)
        else:
            return 0

# 调用apply时传入行数据和启动资金参数
df["TodayTotalAmount"] = df.apply(lambda x: _computeTodayTotalAmount(x, startupCapital), axis=1)

注意事项 #

• 如果你的DataFrame索引不是连续整数（从0开始），需要先执行df.reset_index(drop=True)重置索引，确保行判断逻辑生效。
• 使用shift(1)时，第一行的前一日值会是NaN，这也是我们跳过第一行处理的关键原因。

内容的提问来源于stack exchange，提问作者陈哲珂