如何基于时间索引对Pandas DataFrame进行行减法运算？

问题说明 #

原始DataFrame：

time    code    amount
2023-01 A       100000
2023-01 B       200000
2023-02 A       150000
2023-02 B       100000

需求：按code分组，计算后一期（2023-02）amount减去前一期（2023-01）amount的结果，输出格式如下：

code    amount
A       50000
B       -100000

解决方案 #

方法一：分组计算相邻差值（通用多期场景） #

适合时间序列包含多个连续期数的情况，自动计算每组内相邻时间的amount差值：

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'time': ['2023-01', '2023-01', '2023-02', '2023-02'],
    'code': ['A', 'B', 'A', 'B'],
    'amount': [100000, 200000, 150000, 100000]
})

# 按code分组，计算amount的相邻差值，过滤空值后整理格式
result = df.groupby('code')['amount'].diff().dropna()
result = result.reset_index(drop=True).to_frame(name='amount')
result.insert(0, 'code', df['code'].unique())

print(result)

方法二：宽表转换后直接相减（明确两期场景） #

如果仅需计算指定两个时间点的差值，可将数据转为宽表后直接做减法：

import pandas as pd

df = pd.DataFrame({
    'time': ['2023-01', '2023-01', '2023-02', '2023-02'],
    'code': ['A', 'B', 'A', 'B'],
    'amount': [100000, 200000, 150000, 100000]
})

# 转换为宽表：code为行索引，time为列，值为amount
wide_df = df.pivot(index='code', columns='time', values='amount')
# 计算2023-02与2023-01的差值，再转为目标格式
result = (wide_df['2023-02'] - wide_df['2023-01']).reset_index(name='amount')

print(result)

两种方法都能得到目标结果，可根据实际数据场景选择。

内容的提问来源于stack exchange，提问作者Quang Minh Vu