使用for循环计算DataFrame中多产品的前后数值变化百分比

我有一个包含Group、Subgroup以及各产品pre_xxx、post_xxx数值的DataFrame，需要计算每款产品的变化百分比（公式：(post值/pre值 - 1)，保留两位小数，示例见表格第5、8列）。目前有10款产品需要计算，手动逐个创建新列操作重复繁琐，尝试编写的for循环未成功，求批量实现的方法。

尝试的错误循环代码 #

def myfunc(a, b):
    return b/a-1
res = [myfunc(a, b) for a, b in zip(a, b)]

for a in [pre_product_A,pre_product_B]:
    for b in [post_product_A,post_product_B]:
        myfunc(a, b)

res

当前可行但重复的代码 #

df['product_A_Change'] = (df.post_product_A/df.pre_product_A -1).round(2)
df['product_B_Change'] = (df.post_product_B/df.pre_product_B -1).round(2)

df.head()

数据示例 #

解决方案 #

方法1：提取产品名称批量循环 #

先从DataFrame列名中提取所有产品名称，再逐个计算对应变化百分比列：

# 提取所有产品名称（从pre_开头的列中移除前缀）
products = [col.split('pre_')[-1] for col in df.columns if col.startswith('pre_')]

# 循环计算每个产品的变化百分比
for product in products:
    df[f'{product}_Change'] = (df[f'post_{product}'] / df[f'pre_{product}'] - 1).round(2)

方法2：简洁链式操作（可选） #

如果想避免显式循环，可用pd.concat结合列表推导式：

# 生成所有变化百分比列
change_cols = pd.concat(
    [(df[f'post_{p}'] / df[f'pre_{p}'] - 1).round(2).rename(f'{p}_Change') 
     for p in [col.split('pre_')[-1] for col in df.columns if col.startswith('pre_')]],
    axis=1
)

# 合并到原DataFrame
df = pd.concat([df, change_cols], axis=1)

错误循环的问题说明 #

你之前的嵌套循环会把所有pre_列和post_列两两配对（比如pre_product_A和post_product_B），不符合"同一产品pre/post对应计算"的需求。正确逻辑是按产品名称分组，让每个产品的pre和post列一一对应计算。

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