在pandas DataFrame中对行值计算并插入新列的最优方法是什么

for循环逐行遍历不是最优实现方式，pandas的向量化操作底层由C实现，运行效率远高于Python层的循环逻辑，数据量越大性能优势越明显。

你可以直接使用shift()方法将PRICE列向下偏移1位，直接做向量除法即可完成计算：

# 仅含单支股票数据时使用
df['CHANGE_RATE'] = df['PRICE'] / df['PRICE'].shift(1)

如果你的数据集后续会加入多支不同TICKER的行情数据，为了避免跨股票计算错误，建议按TICKER分组后再计算：

# 多支股票场景，分组后计算
df['CHANGE_RATE'] = df.groupby('TICKER')['PRICE'].apply(lambda x: x / x.shift(1))

计算后第一行因为没有上一行的参考数据，会默认返回NaN，你可以根据业务需求追加fillna()方法自定义填充值，比如需要将第一行变化率设为1，修改语句为df['CHANGE_RATE'] = (df['PRICE'] / df['PRICE'].shift(1)).fillna(1)即可。

以你给出的示例数据为例，默认计算结果如下：

内容的提问来源于stack exchange，提问作者user3235456