如何按DataFrame中col1分组计算col2的差值列？

问题描述 #

我有如下DataFrame：

import pandas as pd
df=pd.DataFrame({
    'col1' : ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'D'],
    'col2' : [9.6,10.4, 11.2, 3.3, 6, 4, 1.94, 15.44, 6.17, 8.16]
})

原始数据展示：

col1    col2
0   A   9.60
1   A   10.40
2   A   11.20
3   B   3.30
4   B   6.00
5   B   4.00
6   C   1.94
7   C   15.44
8   C   6.17
9   D   8.16

我需要按col1的分组分别计算col2的差值，得到如下结果：

col1    col2    Diff
0   A   9.60    0
1   A   10.40   0.80
2   A   11.20   0.80
3   B   3.30    0
4   B   6.00    2.70
5   B   4.00    -2.00
6   C   1.94    0
7   C   15.44   13.50
8   C   6.17    -9.27
9   D   8.16    0

之前尝试用df['col2'].diff()，但它是全局计算差值，无法按分组实现需求，求解决方法。

解决方案 #

用groupby先按col1分组，再对每组的col2应用diff()方法，最后把缺失值填充为0即可：

df['Diff'] = df.groupby('col1')['col2'].diff().fillna(0)
# 可选：保留两位小数，和示例输出格式一致
df['Diff'] = df['Diff'].round(2)

关键步骤说明 #

• groupby('col1')：将数据按col1的不同类别拆分，每个分组独立处理
• ['col2'].diff()：对每组内的col2计算相邻行的差值，每组第一行因无前置数据会生成NaN
• fillna(0)：把每组第一行的NaN替换为0，匹配需求中的输出规则
• round(2)：将差值保留两位小数，和示例结果的格式对齐

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