如何基于指定日期为pandas DataFrame每行添加正负增量

这个需求无需自定义函数，直接用pandas内置的索引运算即可实现，执行效率远高于自定义逐行运算方案。

前提 #

确保你的DataFrame已经按Date列升序排序，保证行的时间顺序符合你所说的「上方/下方」的定义。

操作步骤 #

1. 定位Date等于First_Date的匹配行索引
2. 利用整列索引和匹配索引的差值直接批量计算目标列

完整示例代码 #

import pandas as pd

# 构造示例数据，First_Date为全局常量
df = pd.DataFrame({
    'Date': pd.date_range(start='2024-01-01', end='2024-01-07'),
    'First_Date': pd.to_datetime('2024-01-04')
})

# 可选：如果索引不是连续默认整数，先按日期排序后重置索引
# df = df.sort_values('Date').reset_index(drop=True)

# 匹配目标行索引
match_idx = df[df['Date'] == df['First_Date']].index[0]

# 生成符合要求的偏移列
df['offset'] = (df.index - match_idx) * -1

运行结果示例 #

异常兼容 #

如果存在无匹配行的场景，可以增加判断逻辑避免报错：

match_rows = df[df['Date'] == df['First_Date']]
if len(match_rows) == 0:
    df['offset'] = pd.NA
else:
    match_idx = match_rows.index[0]
    df['offset'] = (df.index - match_idx) * -1

内容的提问来源于stack exchange，提问作者titu84hh