如何将带DateTime索引的Pandas DataFrame累积值转换为普通频率值

核心逻辑是计算相邻行累积值的差值，即可得到对应周期的新增非累积值，操作步骤如下：

• 第一步先确认DataFrame的DateTime索引已经按时间升序排列，避免时序颠倒导致计算结果错误
• 第二步使用Pandas内置的diff()方法计算相邻行的差值，该方法默认会将第一行的计算结果设为空值，直接用第一行的原始累积值补全即可

单累积列转换代码示例 #

假设你的累积数据DataFrame命名为cum_df，存储累积值的列名为cum_val，需要生成的非累积日度值列名为daily_val：

import pandas as pd

# 按时间索引升序排序
cum_df = cum_df.sort_index()
# 计算差分并补全第一行空值
cum_df['daily_val'] = cum_df['cum_val'].diff().fillna(cum_df['cum_val'].iloc[0])

多累积列同时转换代码示例 #

如果DataFrame内所有列都是累积值，可直接对全表执行操作：

non_cum_df = cum_df.diff().fillna(cum_df.iloc[0])

特殊场景说明 #

如果你的累积值存在固定周期重置规则（比如每月初清零重新累积），需要先按重置周期分组后再执行差分，避免跨周期的差值计算错误。按月度重置的参考代码如下：

cum_df['daily_val'] = cum_df.groupby(cum_df.index.to_period('M'))['cum_val'].diff().fillna(cum_df['cum_val'])

示例对照 #

原始累积数据表：

转换后的输出结果示例：

内容的提问来源于stack exchange，提问作者vishal krishna