如何基于DataFrame当前行与下一行值添加指定计算列？

可以通过**移位（shift）**获取下一行的数据，结合apply调用第三方函数，最后处理最后一行的填充需求，无需手动循环，效率更高。

完整实现代码 #

import pandas as pd

# 示例DataFrame
df = pd.DataFrame([[5,6],[1,2],[3,6],[4,1]],columns=['a','b'])

# 第三方函数（不可修改）
def process(a,b,c,d):
    return {"notthisone":2*a,
            "thisone":(a*b+c*d),
            }

# 生成下一行的a、b列
df['a_next'] = df['a'].shift(-1)
df['b_next'] = df['b'].shift(-1)

# 对前n-1行调用process函数，提取'thisone'值
df['result'] = df.apply(
    lambda row: process(row['a'], row['b'], row['a_next'], row['b_next'])['thisone']
    if pd.notna(row['a_next']) else None,  # 最后一行先设为None
    axis=1
)

# 最后一行复用前一行的result值
df['result'].fillna(method='ffill', inplace=True)

# 移除临时的移位列（可选）
df.drop(['a_next', 'b_next'], axis=1, inplace=True)

print(df)

输出结果 #

a  b  result
0  5  6   32.0
1  1  2   20.0
2  3  6   22.0
3  4  1   22.0

关键步骤说明 #

1. 移位获取下一行数据：用shift(-1)将a、b列整体向上移动一位，得到每一行对应的下一行数据，最后一行的移位列会是NaN。
2. 调用第三方函数：通过apply遍历每一行，仅当移位列不为空时调用process函数，提取目标值；最后一行先标记为None。
3. 填充最后一行：用ffill（向前填充）将最后一行的result设置为前一行的值，满足需求。
4. 清理临时列：如果不需要移位后的临时列，可以用drop移除。

效率优化提示 #

如果DataFrame数据量极大，apply的效率可能不足，可以改用numpy.vectorize包装第三方函数，配合移位后的数组批量调用：

import numpy as np

# 用vectorize包装函数
vec_process = np.vectorize(lambda a,b,c,d: process(a,b,c,d)['thisone'])

# 处理前n-1行
result_values = vec_process(df['a'][:-1], df['b'][:-1], df['a'][1:], df['b'][1:])
# 拼接最后一行的值
result_values = np.append(result_values, result_values[-1])

# 赋值给df
df['result'] = result_values

这种方式比apply更快，适合大规模数据场景。

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