如何使用DataFrame.pct_change并保留原DataFrame所有列？

• 直接给原DataFrame新增列并赋值pct_change的结果，一行代码就能完成，完全保留原有列：

  CH1['Area_SqM_pct_change'] = CH1['Area_SqM'].pct_change()
  

  这种方式本质就是原地修改原DataFrame，无需额外合并操作，比事后合并高效得多。

• 关于inplace=True：pct_change方法确实没有inplace参数，所以无法使用类似CH1['Area_SqM'].pct_change(inplace=True)的写法，直接新增列是pandas的常规操作方式。

• 批量处理多表格的优化：如果需要遍历大量DataFrame，可以封装一个简单函数来重复执行操作：

  def add_pct_change(df, target_col, new_col=None):
      # 自定义新列名，默认在原列名后加_pct_change
      if new_col is None:
          new_col = f"{target_col}_pct_change"
      df[new_col] = df[target_col].pct_change()
      return df
  

  遍历时直接调用即可：

  # 假设df_list是你的DataFrame列表
  for df in df_list:
      add_pct_change(df, 'Area_SqM')
  

内容的提问来源于stack exchange，提问作者PCMitchell