如何在Python/Pandas中创建计算列？以新增新冠病例为例

核心实现思路 #

累计病例的每日新增，本质是当前日期的累计值减去前一天的累计值。Pandas提供了shift()或diff()函数，可以高效完成这个计算，步骤如下：

基础单县数据处理 #

假设你已经将数据加载为Pandas DataFrame，且包含date（日期列）和cases（累计病例列）：

import pandas as pd

# 加载数据（示例从CSV读取，根据你的数据源调整）
df = pd.read_csv('covid_county_data.csv')

# 关键步骤：将日期列转为datetime类型，并按日期升序排序
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values('date').reset_index(drop=True)

# 计算每日新增：当前行cases - 上一行cases
df['new_case'] = df['cases'] - df['cases'].shift(1)

# 处理首行NaN值（首天无前置数据，可设为0或保留原累计值）
df['new_case'] = df['new_case'].fillna(0)

简化写法（用diff()函数） #

diff()函数直接实现了"当前值减前一个值"的逻辑，代码更简洁：

df['new_case'] = df['cases'].diff().fillna(0)

多县数据场景扩展 #

如果你的数据集包含多个县的病例数据，只需通过groupby按县分组后计算即可：

# 按县分组，每组单独计算新增病例
df['new_case'] = df.groupby('county')['cases'].diff().fillna(0)

注意事项 #

• 必须排序：数据必须按日期升序排列，否则计算出的新增值会完全错误
• 缺失日期处理：如果数据存在日期断层（比如某天无记录），需要先补全日期再计算，避免出现跨多天的差值：

  # 补全日期示例（按县分组后，每天保留一条记录）
  df = df.set_index('date')
  df = df.groupby('county').resample('D').ffill().reset_index()
  # 再计算新增
  df['new_case'] = df.groupby('county')['cases'].diff().fillna(0)
  

• 异常值处理：如果累计病例出现下降（比如数据修正），会得到负的新增值，可根据需求过滤或标记：

  # 将负的新增值设为0（或根据需求处理）
  df['new_case'] = df['new_case'].clip(lower=0)
  

内容的提问来源于stack exchange，提问作者Max Garza