pandas如何计算x=0轴两侧对应行y值的绝对差总和

核心思路是匹配正负x对应的y值，再计算绝对差总和，以下是两种pandas原生实现方案，都可以避免for循环，运行效率更高：

方案1：分组计算（代码更简洁） #

适合数据量不大的场景，代码简洁易读：

# 提前构造绝对值列，排除x=0的行后按绝对值分组，计算每组y的差值绝对值再求和
df['abs_x'] = df['x'].abs()
total_diff = df[df['x'] != 0].groupby('abs_x')['y'].apply(lambda g: abs(g.iloc[0] - g.iloc[1])).sum()

方案2：表合并计算（运行效率更高） #

适合大数据量场景，用向量化merge操作替代分组的逐组apply，性能优势明显：

# 拆分正负x的数据集，新增公共匹配键abs_x
neg_df = df[df['x'] < 0].rename(columns={'y': 'y_neg'}).assign(abs_x=lambda x: x['x'].abs())
pos_df = df[df['x'] > 0].rename(columns={'y': 'y_pos'}).assign(abs_x=lambda x: x['x'].abs())

# 按abs_x匹配正负对应的行，计算绝对差总和
merged_df = pd.merge(neg_df, pos_df, on='abs_x')
total_diff = (merged_df['y_neg'] - merged_df['y_pos']).abs().sum()

注意事项 #

如果存在部分x只有正值或只有负值的情况，可将merge的how参数改为outer，根据需求对缺失的y值做补0或其他自定义处理即可。

内容的提问来源于stack exchange，提问作者castoridae