如何高效实现列相减并更新行值？rsub用法疑问

原代码与问题 #

原代码通过三重循环生成新列，计算逻辑为目标列减去参考列：

colSet1 = list(range(20))
colSet2 = list(range(21,40))
colSet3 = list(range(41,60))
for col1 in colSet1:
    for col2 in colSet2:
        for col3 in colSet3:
            df[col1+col2+col3+"_newcol"] = df[col1+col2+col3]-df[col1]

尝试用rsub方法实现该逻辑但结果错误，需要明确rsub的正确用法，以及判断它是否为最优高效方案。

rsub的正确用法 #

rsub是pandas中用于反向减法的方法，核心逻辑是：

• X.rsub(Y) 等价于 Y - X
• 普通的X.sub(Y) 等价于 X - Y

原代码的计算逻辑是目标列 - 参考列（即df[col_target] - df[col1]），对应到rsub的正确写法是：

df[col1].rsub(df[col_target])

如果之前写成df[col_target].rsub(df[col1])，得到的结果是df[col1] - df[col_target]，和原逻辑完全相反，这就是结果不正确的原因。

是否为最优高效方案？ #

原代码的三重循环效率极低——当列组合数量大时（比如201919=7220次循环），每次循环都要单独操作DataFrame，大量浪费性能。

rsub本身和普通sub的效率差异不大，但结合批量向量化操作可以大幅提升效率，最优方案是避免Python层面的循环，利用pandas的向量化特性一次性完成计算：

高效实现示例 #

# 先批量生成所有目标列、新列名、参考列映射
target_cols = []
new_col_names = []
ref_col_list = []

for c1 in colSet1:
    for c2 in colSet2:
        for c3 in colSet3:
            target_col = c1 + c2 + c3
            target_cols.append(target_col)
            new_col_names.append(f"{target_col}_newcol")
            ref_col_list.append(c1)

# 一次性完成所有计算：目标列批量减去对应参考列
df[new_col_names] = df[target_cols] - df[ref_col_list].values

如果一定要用rsub，也可以写成：

df[new_col_names] = df[ref_col_list].values.rsub(df[target_cols].values)

这种方式把所有计算交给pandas底层的向量化操作处理，避免了多层循环的性能损耗，是当前场景下的最优方案。

内容的提问来源于stack exchange，提问作者Rahul Sharma