如何不使用for循环，利用上一行数据对pandas列执行数学运算？

问题原理说明 #

你遇到的ValueError: The truth value of a Series is ambiguous报错原因是Python内置max()函数仅支持标量比较，传入Pandas Series对象时无法完成逐元素的大小判断，必须使用Pandas/Numpy提供的向量运算API实现逐元素取最大值。
另外注意你原来的for循环逻辑存在边界问题：第一行（i=0）计算时iloc[i-1]等于iloc[-1]，会取DataFrame最后一行的收盘价计算，不符合TrueRange指标第一行无前置收盘价默认返回空值的标准定义，下文的优化方案结果和标准TR定义一致，如果需要和你原有for循环的边界逻辑完全对齐，单独给第一行赋值即可。

你当前的实现已经完全脱离了循环，逻辑是正确的，还可以通过省略中间临时列、使用底层Numpy运算两个方向进一步优化性能，尤其适合超大数据量场景： #

优化方案1：省略中间临时列（无额外依赖，性能提升明显） #

不用在原DataFrame中新增H-L/H-C1/C1-L三个临时列，直接拼接三个运算结果后取最大值，节省内存开销：

import pandas as pd

df['TrueRange'] = pd.concat(
    [
        df['high'] - df['low'],
        df['high'] - df['close'].shift(),
        df['close'].shift() - df['low']
    ],
    axis=1
).max(axis=1)

优化方案2：基于Numpy底层运算（极致性能，适合百万行以上数据集） #

直接提取Series对应的Numpy数组完成运算，跳过Pandas Series的上层封装开销，运算速度最快：

import numpy as np

# 提取数组，shift获取上一行close的数组
high_arr = df['high'].values
low_arr = df['low'].values
prev_close_arr = df['close'].shift().values

# 逐元素堆叠后取最大值
df['TrueRange'] = np.max(
    np.stack([high_arr - low_arr, high_arr - prev_close_arr, prev_close_arr - low_arr], axis=1),
    axis=1
)

补充说明 #

如果允许引入第三方依赖，也可以直接使用pandas-ta库的内置true_range接口，无需自己实现逻辑：

import pandas_ta as ta
df['TrueRange'] = ta.true_range(high=df['high'], low=df['low'], close=df['close'])

内容的提问来源于stack exchange，提问作者wildcat89