如何基于Column A计算zu与ab的差值？diff()和shift()无法实现

首先构造你的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Column A': ['zu', 'ab', 'fi', 'zu', 'ab', 'fi', 'uv', 'zu', 'ab'],
    'Column B': [2.5, 1, 0, 2, 0.5, 0, 1, 2, 1]
})

方法一：基于索引匹配（适用于zu与对应ab行连续的场景） #

从你的数据规律来看，每个zu行的下一行就是对应的ab行，我们可以直接通过索引定位计算：

# 初始化diff列为0
df['diff'] = 0

# 获取所有zu行的索引
zu_indices = df[df['Column A'] == 'zu'].index
# 对应的ab行索引为zu索引+1
ab_indices = zu_indices + 1

# 计算zu行B值与对应ab行B值的差值，赋值到diff列
df.loc[zu_indices, 'diff'] = df.loc[zu_indices, 'Column B'] - df.loc[ab_indices, 'Column B'].values

运行后得到的结果：

方法二：分组合并法（更通用，适用于zu与ab行不连续的场景） #

如果你的数据中zu和对应ab行之间可能存在其他行，可以通过分组标识来匹配对应关系：

# 提取zu行并添加组号
zu_df = df[df['Column A'] == 'zu'].reset_index().rename(columns={'Column B': 'zu_B'}).assign(group=lambda x: x.index)
# 提取ab行并添加对应组号
ab_df = df[df['Column A'] == 'ab'].reset_index().rename(columns={'Column B': 'ab_B'}).assign(group=lambda x: x.index)

# 合并两组数据计算差值
merged = pd.merge(zu_df, ab_df, on='group')
merged['diff'] = merged['zu_B'] - merged['ab_B']

# 将差值映射回原DataFrame
df['diff'] = 0
df.loc[merged['index_x'], 'diff'] = merged['diff']

这个方法通过为每一对zu-ab分配组号，确保即使它们之间有其他行，也能正确匹配计算差值。

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