按组计算DataFrame连续行差值并生成说明字符串的技术求助

嘿，这就帮你搞定这个数据处理需求，下面是完整的Pandas实现代码，每一步都对应你的要求：

1. 构造原始数据 #

首先我们先还原你给出的原始DataFrame：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'col1': ['a', 'b', 'a', 'a', 'b', 'a', 'b', 'b'],
    'col_entity': ['a1', 'b1', 'a2', 'a3', 'b2', 'a4', 'b3', 'b4'],
    'col2': [50, 40, 40, 30, 20, 20, 30, 50]
})

2. 分组+组内排序 #

按col1分组后，每组内对col2做降序排序：

# 按col1分组，每组内按col2降序排序，同时重置索引
df_sorted = df.groupby('col1', group_keys=False)\
              .apply(lambda x: x.sort_values('col2', ascending=False))\
              .reset_index(drop=True)

3. 计算组内连续行的col2差值 #

利用groupby结合shift(-1)，计算当前行col2与下一行col2的差值：

# 分组计算diff：当前行col2 - 下一行col2
df_sorted['diff'] = df_sorted.groupby('col1')['col2'].transform(lambda x: x - x.shift(-1))

4. 生成col_statement列 #

先获取每组内下一行的col_entity，再按要求拼接成指定格式的语句：

# 获取每组内下一行的col_entity
df_sorted['next_entity'] = df_sorted.groupby('col1')['col_entity'].shift(-1)

# 生成col_statement列，diff非空时按格式拼接，空值时标记待删除
df_sorted['col_statement'] = df_sorted.apply(
    lambda row: f"difference between {row['col_entity']} and {row['next_entity']} is {int(row['diff'])}" 
    if pd.notna(row['diff']) else "**will drop this row**",
    axis=1
)

# 清理临时的next_entity列
df_sorted = df_sorted.drop('next_entity', axis=1)

5. 删除diff为NaN的行 #

最后过滤掉diff为空值的行：

# 删除diff为NaN的行
final_df = df_sorted.dropna(subset=['diff'])

最终结果说明 #

运行上述代码后，final_df的结果严格遵循分组降序逻辑（注：你示例中b组的排序顺序不符合col2降序规则，代码中已修正为col2从高到低排列），最终输出如下：

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