如何按UpdateTime分组计算每行与组内Rank1行的差值？[Python]

数据集样例 #

data = {'CarNo': [888, 81, 16, 62, 31, 23, 777, 23, 777, 31, 888, 62, 81, 16, 888, 31, 81, 62, 16, 23],
        'LapTime': [119628, 117170, 119846, 117178, 119516, 117915, 116964, 116683, 117169, 118919, 119227, 117789, 117674, 116914, 116333, 120027, 116403, 117351, 116557, 117107],
       'LAPS': [147.0, 147.0, 147.0, 147.0, 147.0, 146.0, 121.0, 56.0, 55.0, 55.0, 55.0, 54.0, 54.0, 54.0, 123.0, 123.0, 123.0, 123.0, 123.0, 122.0],
       'UpdateTime': [162047732, 162047732, 162047732, 162047732, 162047732, 162047732, 162047732, 125626988, 125626988, 125626988, 125626988, 125626988, 125626988, 125626988, 151851068, 151851068, 151851068, 151851068, 151851068, 151851068],
        'rank': [6.0, 2.0, 7.0, 3.0, 5.0, 4.0, 1.0, 1.0, 3.0, 6.0, 7.0, 5.0, 4.0, 2.0, 1.0, 7.0, 2.0, 5.0, 3.0, 4.0]
       }
df = pd.DataFrame(data)

需求 #

按UpdateTime字段分组，计算每组内每行的LapTime与组内rank=1行的LapTime的差值。

原代码问题 #

你之前的代码存在两个核心问题：

1. 使用iloc[1:]会跳过每组的首行（即rank=1的行），导致这些行的差值丢失（本该为0）；
2. 手动处理索引位置的方式未利用Pandas原生分组能力，逻辑冗余且效率低下。

原代码：

def diff_to_top(df,colA):
    pos=sub.columns.get_loc(colA)
    gap = sub.iloc[1:, pos] - sub.iat[0, pos]
    return gap

sub = df.set_index(['UpdateTime','rank','LAPS'])
sub.sort_index(inplace=True, ascending=True)

diff_to_top(sub,'LapTime')

优化方案 #

方案1：使用groupby+transform（简洁高效） #

直接利用Pandas分组转换功能，对每组提取rank=1的LapTime作为基准，批量计算差值：

# 新增列存储与rank=1行的差值
df['LapTime_diff_to_top'] = df.groupby('UpdateTime')['LapTime'].transform(
    lambda group: group - group[df.loc[group.index, 'rank'] == 1].iloc[0]
)

方案2：先提取基准再合并（大数据集更高效） #

先单独提取每组rank=1的LapTime，再合并到原数据集计算差值，避免lambda循环，适合大数据量场景：

# 提取每组rank=1的LapTime作为基准值
top_laptime = df[df['rank'] == 1].groupby('UpdateTime')['LapTime'].first().reset_index(name='TopLapTime')
# 合并基准值到原数据集
df = df.merge(top_laptime, on='UpdateTime', how='left')
# 计算差值
df['LapTime_diff_to_top'] = df['LapTime'] - df['TopLapTime']

两种方案都能保留所有行的数据，且完全利用Pandas向量运算特性，效率远高于手动处理索引的方式。

内容的提问来源于stack exchange，提问作者アルサ