pandas如何实现相同时间戳下首条记录值减末条记录值

你的代码存在两个核心问题：

• 两个drop_duplicates生成的DataFrame保留的是原始数据的行索引，直接做减法时pandas会按行索引对位计算，不会自动按Time字段匹配，计算逻辑完全不成立。
• 没有指定计算列，Time列是datetime类型，两个时间值相减会得到0 days格式的时间差，和你要的数值计算结果无关。

最简洁高效的写法是直接按Time分组计算，完全不需要绕去重逻辑：

import pandas as pd

df = pd.read_csv(DF, usecols=['Time', 'OpenIA'])
df['Time'] = pd.to_datetime(df['Time'])
# 若不需要对时间做秒级向上取整，可删除下一行
df['Time'] = df['Time'].dt.ceil("S")

# 分组后取每组第一个OpenIA减最后一个OpenIA
result = df.groupby('Time', as_index=False)['OpenIA'].agg(
    lambda col: col.iloc[0] - col.iloc[-1]
)

运行后result输出完全匹配预期：

如果你非要沿用去重的思路，需要先把Time设为索引，保证两个去重结果按时间值对齐，且只计算OpenIA列：

df = df.set_index('Time')
first_val = df.drop_duplicates(keep='first')['OpenIA']
last_val = df.drop_duplicates(keep='last')['OpenIA']
result = (first_val - last_val).reset_index()

该写法结果和groupby方案一致，但执行效率和可读性都更差，优先推荐第一种分组写法。

内容的提问来源于stack exchange，提问作者Show_man