如何在Pandas DataFrame中实现面板数据的差分操作

用pandas内置的diff()方法就能直接实现，不需要额外安装第三方库，你要的分组计算不同商品的价格一阶差分，一行核心代码就能搞定。

完整实现代码 #

import pandas as pd

# 构造你的样例数据
df = pd.DataFrame({
    'Day': [1,2,3,4,5,1,2,3,4,5],
    'Price': [8,10,7,11,14,12,11,9,14,11],
    'Good': ['apples']*5 + ['oranges']*5
})

# 核心逻辑：按商品分组后对Price列计算一阶差分，生成新列P1d
df['P1d'] = df.groupby('Good')['Price'].diff(periods=1)

# 输出查看结果
print(df)

说明 #

• 必须加上groupby('Good')分组逻辑，否则会把橙子第一天的价格和苹果最后一天的价格计算差值，得到错误结果
• diff()的periods参数为差分的步长，默认值为1即一阶差分，要计算多阶差分调整这个参数即可
• 每组第一条数据没有前值，默认返回NaN，和你预期的NA结果一致

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