Pandas为DataFrame新增列计算间隔4行的年度同比差值

算力阿峰

2026-8-26

实现方案

pandas原生提供了位移计算方法，完全不需要写逐行循环，代码更简洁、性能更高，也不会出现手动维护列表、索引导致的bug。

基础快速实现

季度频率数据的年度同比对应滞后4期的差值，直接用shift(4)对目标列做位移后做差即可，前4行无上年同期数据会自动填充NaN，和你现有循环逻辑的计算结果完全一致：

# 单个DataFrame处理，一行代码完成列新增
df['Percentage point change'] = df['Capital buffer rate (%)'] - df['Capital buffer rate (%)'].shift(4)

基于你给出的示例数据，计算结果如下：

Quarter	Capital buffer rate (%)	Percentage point change
2019-03	38	NaN
2019-06	43	NaN
2019-09	38	NaN
2019-12	37	NaN
2020-03	37	-1
2020-06	37	-6
2020-09	37	-1
2020-12	35	-2
2021-03	37	0
2021-06	41	4
2021-09	43	6
2021-12	44	9

批量处理多份数据集

把5份不同机构类型的DataFrame统一存入列表，循环处理即可，不需要为每个数据集单独创建临时变量、存储列表：

# 示例：df_list = [投资公司数据集, 银行数据集, 证券机构数据集, ...]
for temp_df in df_list:
    temp_df['Percentage point change'] = temp_df['Capital buffer rate (%)'] - temp_df['Capital buffer rate (%)'].shift(4)

高鲁棒性实现（推荐）

如果存在数据集季度缺失、行顺序错乱的可能，不要硬编码位移行数，先将Quarter列转为时间类型并设为索引，基于时间偏移做对齐计算，完全避免行位置异常导致的计算错误：

for temp_df in df_list:
    # 转换季度列为时间格式，排序后设为索引
    temp_df['Quarter'] = pd.to_datetime(temp_df['Quarter'])
    temp_df = temp_df.set_index('Quarter').sort_index()
    # 按1年时间偏移做位移，自动匹配上年同期数据，缺失值自动返回NaN
    temp_df['Percentage point change'] = temp_df['Capital buffer rate (%)'] - temp_df['Capital buffer rate (%)'].shift(freq='1Y')
    # 不需要时间索引的话可以重置回普通列
    temp_df = temp_df.reset_index()