如何在不使用for循环的情况下对Pandas DataFrame行间值做指定减法？

我有一个包含两列的Python Pandas DataFrame：X列是0到360之间的181个等间距角度值，R1列是对应角度下测得的电阻值。需要添加一列"R2"，满足运算规则：R2(X) = R1(X) - R1(180 - X)。当(180 - X)为负值时，需映射为(540 - X)，例如R1(180 - 182) == R1(358)。实际对应行号的运算形式如下：

R1[0] - R1[90]
R1[1] - R1[89]
R1[2] - R1[88]
...
R1[90] - R1[180]
R1[91] - R1[179]
R1[92] - R1[178]
...
R1[180] - R1[90]

最初我考虑用循环遍历行号并设置条件，但了解到循环不是最优方案，df.apply()和df.shift()也不适用。想请教：能否避免for循环？最优解决方案是什么？能否基于X列的值选取R1列对应的值？

完全可以避免for循环，用Pandas的向量化操作就能高效实现，这也是处理这类问题的最优方式。核心思路是先计算每个X对应的目标角度，再通过索引映射直接提取对应的R1值，最后完成减法运算。

步骤1：计算目标角度 #

根据规则用向量化判断生成每个X对应的目标角度：

import numpy as np
import pandas as pd

# 假设你的DataFrame名为df
df['target_X'] = np.where(180 - df['X'] >= 0, 180 - df['X'], 540 - df['X'])

步骤2：建立角度到R1值的映射 #

利用X列的唯一性，创建角度与R1值的映射关系：

# 将X设为索引后转为字典，实现快速查找
r1_map = df.set_index('X')['R1'].to_dict()

步骤3：计算R2列 #

用映射关系提取目标角度的R1值，直接完成向量化减法：

df['R2'] = df['R1'] - df['target_X'].map(r1_map)

更简洁的合并写法 #

不需要单独创建target_X列，一步完成所有计算：

df['R2'] = df['R1'] - np.where(180 - df['X'] >=0, 180 - df['X'], 540 - df['X']).map(df.set_index('X')['R1'])

方案优势 #

• 全程采用向量化运算，比循环效率高几个数量级，数据量越大优势越明显；
• 基于X列的实际值匹配R1，完全不依赖行号，避免了行号对应错误的风险；
• 代码简洁易读，符合Pandas的最佳实践。

内容的提问来源于stack exchange，提问作者kuba_pol