Pandas如何基于前一行不同列的值迭代计算生成目标DataFrame

假设你的原始DataFrame命名为df，包含原始供应列Supply、订单列Order两列，可直接用以下代码实现需求：

import pandas as pd

# 下方的df构造仅为示例，请替换为你自己的原始DataFrame
df = pd.DataFrame({
    "Supply": [2262, 2161, 2329, 2108],
    "Order": [2117, 2212, 2405, 2021]
})

result_df = df.copy()
# 计算第一行可用值
result_df.loc[0, "Available"] = result_df.loc[0, "Supply"] - result_df.loc[0, "Order"]

# 从第二行开始逐行按规则计算
for idx in range(1, len(result_df)):
    # 当前行Supply = 原始df当前行Supply + 上一行的Available
    result_df.loc[idx, "Supply"] = df.loc[idx, "Supply"] + result_df.loc[idx-1, "Available"]
    # 当前行Available = 当前行新计算的Supply - 当前行Order
    result_df.loc[idx, "Available"] = result_df.loc[idx, "Supply"] - result_df.loc[idx, "Order"]

补充说明 #

• 上述代码逻辑和你描述的规则完全对齐，可读性高，万行以内的数据集运行效率足够
• 如果是超大规模数据集，可以用numpy的累计求和逻辑优化，避免循环的性能损耗

内容的提问来源于stack exchange，提问作者Pardeep Naik