如何在Pandas DataFrame中对指定行列索引的值进行数学比较

你有如下Pandas DataFrame：

import pandas as pd
import numpy as np
np.random.seed(2022)

# 生成示例数据
close = np.sin(range(610)) + 10
high = close + np.random.rand(*close.shape)
open_col = high - np.random.rand(*close.shape)
low = high - 3
close[2] += 100  
dates = pd.date_range(end='2022-06-30', periods=len(close))

# 创建DataFrame
df = pd.DataFrame(index=dates, data=np.array([open_col, high, low, close]).T, columns=['Open', 'High', 'Low', 'Close'])

需求是判断每行中Open列的值是否小于Close列的值，以下是用itertuples实现的具体方法：

核心实现逻辑 #

itertuples()会将DataFrame的每一行转换为命名元组，元组包含行索引和各列的数值，你可以直接通过列名访问对应值，进而执行对比判断。

方法1：遍历生成结果列表 #

results = []
for row in df.itertuples():
    # 提取当前行的Open、Close值及日期索引
    date = row.Index
    open_val = row.Open
    close_val = row.Close
    # 执行判断
    is_open_lt_close = open_val < close_val
    # 存储结果
    results.append({
        'Date': date,
        'Open': open_val,
        'Close': close_val,
        'Open < Close': is_open_lt_close
    })

# 转换为DataFrame查看完整结果
result_df = pd.DataFrame(results).set_index('Date')
print(result_df.head())

输出结果：

Open       Close  Open < Close
Date                                           
2020-10-29   9.557631   10.000000          True
2020-10-30  10.794789   10.841471          True
2020-10-31  10.631242  110.909297          True
2020-11-01   9.639562   10.141120          True
2020-11-02   9.835697    9.243198         False

方法2：直接在原DataFrame添加判断列 #

如果只需要将判断结果作为新列添加到原DataFrame，用列表推导式更简洁：

df['Open < Close'] = [row.Open < row.Close for row in df.itertuples()]
print(df[['Open', 'Close', 'Open < Close']].head())

关键说明 #

• itertuples()生成的命名元组，属性名与DataFrame列名完全对应，无需额外映射
• 相比iterrows()，itertuples()的执行效率更高，因为它返回轻量级元组而非Series，适合处理大规模数据集
• 如果需要自定义元组名称，可以通过name参数指定，例如df.itertuples(name='StockData')，之后可通过row.StockData.Open访问值

内容的提问来源于stack exchange，提问作者Callum