如何用Pandas高效比较行子集并计算差值/百分比变化？

可以通过pivot结合assign实现单行代码完成需求，核心思路是先将每个id对应的in_test=True和in_test=False的value转成列，再直接计算差值与百分比变化：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'id': [1, 2, 1, 2],
    'in_test': [True, True, False, False],
    'value': [5, 5, 7, 8]
})

# 单行实现计算
result = df.pivot(index='id', columns='in_test', values='value').assign(diff=lambda x: x[False]-x[True], pct_change=lambda x: (x[False]/x[True]-1)*100).reset_index()

执行后得到的结果表：

如果只需要保留id、差值和百分比变化列，可在末尾添加列筛选：

result = df.pivot(index='id', columns='in_test', values='value').assign(diff=lambda x: x[False]-x[True], pct_change=lambda x: (x[False]/x[True]-1)*100).reset_index()[['id', 'diff', 'pct_change']]

最终结果：

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