如何按县分组对累计确诊变量做差分，新增每日新增病例列？

实现方案 #

首先确保DataFrame中的date列是日期格式而非字符串，若未转换可先执行格式转换：

import pandas as pd
df['date'] = pd.to_datetime(df['date'])

之后按如下步骤计算新增病例：

1. 按县和日期升序排序，保证每个县的数据按时间先后排列，避免差值计算出错

df = df.sort_values(by=['county', 'date'], ignore_index=True)

2. 按县分组计算累计确诊的差值，直接生成new_cases列

df['new_cases'] = df.groupby('county')['confirmed'].diff()

补充说明 #

• 每个县的第一条数据因为没有前一天的累计值，new_cases会默认返回NaN，和你需要的N/A效果一致
• 该方法是pandas内置的向量化操作，性能远高于手动循环遍历每个县，非常适合你提到的大规模数据集使用
• 如果需要处理数据修正导致的新增为负的异常情况，可以额外添加过滤逻辑：

# 将负数新增替换为0，可根据实际需求调整规则
df['new_cases'] = df['new_cases'].mask(df['new_cases'] < 0, 0)

内容的提问来源于stack exchange，提问作者Kristen