如何为DataFrame按样本分组创建当日与前日高度的差值列

你可以用pandas库快速实现这个需求，核心逻辑是按样本分组后计算相邻行的高度差，完整代码如下：

import pandas as pd

# 读取数据集，可替换为你本地的csv文件路径
df = pd.read_csv("sample_data.csv")

# 转换日期格式并按样本+日期升序排序，保证时间顺序正确
df["Date"] = pd.to_datetime(df["Date"], format="%m/%d/%Y")
df = df.sort_values(by=["Sample", "Date"], ignore_index=True)

# 按样本分组，计算当日高度 - 前一日高度的差值
df["height_diff"] = df.groupby("Sample")["Height"].diff(periods=1)

# 筛选出有差值的记录（过滤掉首日无前置数据的空值行）
result_df = df.dropna(subset=["height_diff"])[["Sample", "height_diff"]]

# 按你需要的格式输出结果
for _, row in result_df.iterrows():
    print(f"{row['Sample']}  = {row['height_diff']}")

说明 #

• groupby('Sample')确保差值只会在同一个样本的不同日期记录之间计算，不会出现跨样本计算的问题
• 代码兼容多于两天的数据集，会自动计算每一日相对前一日的高度差
• 你给出的预期结果里的08是输入笔误，实际输出为O8 = 0.0

内容的提问来源于stack exchange，提问作者Leo Torres