如何在Pandas中基于指定规则生成累积计算的结果列？

首先，你的需求核心是根据行的位置偏移量生成线性递增的result列，以下是几种简洁高效的实现方式：

方法一：利用行索引计算偏移量（最通用） #

通过当前行索引与首行索引的差值作为偏移量，无需依赖行的位置顺序，适用性更强：

import pandas as pd

# 构造你的原始DataFrame
df = pd.DataFrame(
    {'value': [109, 110, 111, 110, 108, 106, 100]},
    index=[10, 11, 12, 13, 14, 15, 16]
)

# 计算每行相对于首行的偏移量
offset = df.index - df.index[0]
# 生成result列
df['result'] = 109 + 0.05 * offset

执行后得到的DataFrame完全符合要求：

方法二：用序列生成偏移量（适合连续行） #

如果你的行是连续排列的，直接用np.arange生成从0开始的序列作为偏移量：

import numpy as np

df['result'] = 109 + 0.05 * np.arange(len(df))

修正你的循环实现 #

你的原代码存在两个问题：

1. speed = 0,05在Python中会被解析为元组，而非浮点数，应改为speed = 0.05
2. 未初始化首行的result值，导致后续计算报错

修正后的循环代码如下：

df = pd.DataFrame(
    {'value': [109, 110, 111, 110, 108, 106, 100]},
    index=[10, 11, 12, 13, 14, 15, 16]
)

result = {}
speed = 0.05
first_index = df.index[0]
# 初始化首行结果
result[first_index] = 109
counter = 1

# 遍历后续行索引
for idx in df.index[1:]:
    result[idx] = result[first_index] + speed * counter
    counter += 1

# 将结果映射到DataFrame
df['result'] = df.index.map(result)

内容的提问来源于stack exchange，提问作者Igor K.