Pandas DataFrame实现行间逐行减法时iloc取值异常

代码运行不符合预期是3个核心错误叠加导致的：

• 索引起始值错误：循环初始rows = 0，第一次迭代时rows-1 = -1，iloc支持负索引，-1固定取对应列的最后一行值，这就是你观察到取到列尾值的直接原因。
• iloc参数传错：iloc要求行列两个入参都传位置整数/位置切片，你代码里df_merged.iloc[rows-1, columns]第二个参数传的是列名columns，不是前面计算得到的列位置索引column，会触发隐式索引匹配异常，返回结果不可控。
• 原地修改引发连环覆盖：你直接在原始DataFrame上逐行改值，计算后续行差值时，取到的上一行值已经是被减法修改过的结果，不是原始数据的上一行真值，最终计算结果会完全偏离预期。

额外说明：这种行间差分运算完全不需要写循环逐行处理，用Pandas内置方法效率远高于手写循环，也不会出低级索引错误。

推荐方案（无循环，原生实现） #

Pandas内置的diff()方法就是专门做当前行/列和相邻行/列差值计算的，默认逻辑为当前行减上一行，首行自动返回NaN，和你的需求完全匹配。
如果要对所有列做差分，一行代码即可：

import pandas as pd
# 计算所有列的行间差分
df_result = df_merged.diff(axis=0)

如果只需要处理listofcolumns指定的目标列：

import pandas as pd
df_result = df_merged.copy()
# 仅对指定列计算行间差分
df_result[listofcolumns] = df_merged[listofcolumns].diff(axis=0)

用你提供的测试数据跑上述代码，输出结果严格遵循逐行做差的逻辑（你贴的预期输出最后两行Col2值存在手滑误差，按原始数据计算相邻两个8的差值为0，diff返回结果完全符合数学计算逻辑）。

循环写法修正（不推荐，仅做逻辑对照） #

如果一定要保留循环逻辑，需要修正起始索引、参数错误，同时避免原地修改原始数据：

import pandas as pd
# 新建副本存结果，不要直接修改原始df
df_result = df_merged.copy()
for col_name in listofcolumns:
    col_idx = all_columns.index(col_name)
    # 首行无前置值，设为缺失值
    df_result.iloc[0, col_idx] = pd.NA
    # 从第2行（位置索引1）开始遍历，避免出现rows-1=-1的负索引问题
    rows = 1
    while rows < row_count:
        # 取原始df的上一行值计算，避免拿到被修改过的结果
        df_result.iloc[rows, col_idx] = df_merged.iloc[rows, col_idx] - df_merged.iloc[rows-1, col_idx]
        rows += 1

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