pandas循环计算斜率索引越界 首行留空填充后续行实现方法

你的代码存在三个明显错误：

• 循环范围取了range(len(test))，当i遍历到最后一个元素时，i+1超出DataFrame最大行索引，直接触发越界报错
• 每次循环都对slope整列赋值，最终整列只会保留最后一次循环的计算结果，无法得到逐行对应的斜率
• pandas做相邻行计算优先用内置向量化方法，写显式for循环不仅性能差，还容易引出索引类bug

推荐写法：pandas内置diff实现（无循环，性能最优） #

diff()方法默认计算当前行和上一行的差值，正好匹配斜率计算逻辑，首行因为没有上一行数据自动返回NaN，完全符合首行留空的需求：

import pandas as pd

data = {
    'index': [4, 17, 24, 36, 42],
    'High': [805.000000, 1094.939941, 1243.489990, 1201.949951, 1172.839966],
}
test = pd.DataFrame(data)

# 相邻点斜率 = High列相邻差 / index列相邻差
test['slope'] = test['High'].diff() / test['index'].diff()
print(test)

运行输出：

index         High      slope
0      4   805.000000        NaN
1     17  1094.939941  22.303072
2     24  1243.489990  21.221436
3     36  1201.949951  -3.461670
4     42  1172.839966  -4.851664

循环修正写法 #

如果必须保留循环逻辑，注意把循环终点设为倒数第二行避免越界，初始化slope列后逐行赋值即可，不要每次循环覆盖整列：

import pandas as pd

data = {
    'index': [4, 17, 24, 36, 42],
    'High': [805.000000, 1094.939941, 1243.489990, 1201.949951, 1172.839966],
}
test = pd.DataFrame(data)
# 初始化slope列，首行留空
test['slope'] = pd.NA

# 循环只遍历到倒数第二行，i+1不会越界
for i in range(len(test) - 1):
    # 两点计算出的斜率存在位置靠后的行
    test.loc[i+1, 'slope'] = (test.loc[i+1, 'High'] - test.loc[i, 'High']) / (test.loc[i+1, 'index'] - test.loc[i, 'index'])

print(test)

该写法输出和推荐写法完全一致，仅在数据集规模较大时运行效率明显低于向量化实现。

写pandas代码时尽量避免逐行循环操作，内置的向量化方法经过C层面优化，运行速度通常是循环写法的几十到上百倍。

内容的提问来源于stack exchange，提问作者Artrade