Python中DataFrame多列与固定均值求差的非手动实现方法咨询

嘿，作为Python新手能主动把Excel操作迁移到Python里，这步走得很赞！针对你想批量计算A、B、C列和mean列差值的需求，我给你分享两个简单好用的方法，不用再手动逐个写列名啦：

方法一：用循环遍历列（新手友好，直观易懂） #

这种方法逻辑直白，先列出要处理的目标列，再循环每个列生成对应的差值列，非常适合新手理解：

import pandas as pd

# 先构造你的示例测试数据
data = {
    'Unnamed:0': ['2020-08-28', '2020-08-29', '2020-08-30', '2020-08-31', '2020-09-01'],
    'A': [1,2,3,4,5],
    'B': [6,7,8,9,10],
    'C': [11,12,13,14,15],
    'mean': [6.0,7.0,8.0,9.0,10.0]
}
new_df = pd.DataFrame(data)

# 定义需要处理的目标列列表
target_cols = ['A', 'B', 'C']

# 循环生成每一列的差值列
for col in target_cols:
    new_df[f'Mean diff{col}'] = new_df[col] - new_df['mean']

执行这段代码后，你的DataFrame会自动生成Mean diffA、Mean diffB、Mean diffC三列，完全不用手动逐个指定列名。

方法二：用Pandas广播机制（更简洁高效） #

如果你想写得更优雅、处理大数据时更快，可以用Pandas的广播特性，一次性完成所有列的计算：

# 提取目标列，批量减去mean列（Pandas会自动按行广播运算）
diff_columns = new_df[target_cols].sub(new_df['mean'], axis=0)
# 给生成的差值列重命名
diff_columns.columns = [f'Mean diff{col}' for col in diff_columns.columns]
# 把差值列合并回原DataFrame
new_df = pd.concat([new_df, diff_columns], axis=1)

这种方法利用了Pandas的向量运算能力，比循环更高效，代码也更简洁，适合熟悉Pandas基本操作后使用。

执行后的结果示例 #

处理后的DataFrame会变成这样：

你可以根据自己的习惯选择方法，新手先从循环开始理解逻辑，熟悉后再尝试广播的方式哦～

内容的提问来源于stack exchange，提问作者SG93