带条件计算表格字段差值的实现方法咨询

核心思路 #

利用Pandas的条件赋值能力，先计算差值序列，再通过条件过滤仅保留match为True行的结果，其余位置填充NaN。

完整实现代码 #

1. 导入依赖并构造测试数据 #

import pandas as pd
import numpy as np

# 构造和示例一致的源数据
df = pd.DataFrame({
    'TimeStamp': [38563, 38568, 38577, 38580, 38589, 38591],
    'Input': ['aaaaa', 'bbb', 'aaaaa', 'bbb', 'bbb', 'aaaaa'],
    'match': [False, False, False, False, True, False]
})

2. 按需求计算diff列 #

如果你的diff规则是：match为True时，计算当前行和同Input分组内上一行的TimeStamp差值，使用以下代码：

df['diff'] = df.groupby('Input')['TimeStamp'].diff().where(df['match'], np.nan)

如果diff规则是：match为True时，计算当前行和全局上一行的TimeStamp差值，去掉分组逻辑即可：

df['diff'] = df['TimeStamp'].diff().where(df['match'], np.nan)

如果你的diff是其他自定义计算规则，只需把where之前的部分替换为你的差值计算逻辑即可，where的条件过滤逻辑通用。

运行结果示例（同Input分组差值场景） #

若你示例中diff=1是其他自定义计算逻辑，只需替换where方法前的差值计算部分即可，条件过滤逻辑通用。

内容的提问来源于stack exchange，提问作者CHL