pandas按ID分组行减法计算日度新增感染的实现与报错解决

1. 直接报错触发点：代码中if (df.loc[df['ID'] == key]) 直接将筛选后的DataFrame对象作为if判断条件，pandas无法明确判断该对象的布尔值，因此抛出ValueError: The truth value of a DataFrame is ambiguous。如果要判断筛选结果非空，需显式使用.empty属性判断，比如if not df.loc[df['ID'] == key].empty。
2. 核心逻辑缺陷：原代码中shift(1)是对全局整列数据做移位，未按区域ID做分组隔离。即使修复了if判断的报错，跨区域的相邻行也会被错误纳入减法计算（比如DE2组的最后一条记录，移位取到的前值是DE1组第一条记录的数值），完全不符合同区域做相邻差分的业务要求。

pandas中按分组计算相邻行差值属于向量化操作场景，无需手动循环遍历每个区域ID，直接使用groupby分组即可完成逻辑，性能远高于逐区域循环的写法，完全匹配预期输出要求：

• 首先对原始数据按ID、date双字段排序，确保每个区域内的日期为正序排列，避免移位错位
• 按区域ID分组，计算组内累计确诊值的相邻差分
• 将每个区域首行的空值（无前置日期）替换为原始累计确诊值，符合“首行保留原累计数”的输出要求

可直接运行的示例代码：

import pandas as pd

def main(file):
    # 读取CSV，自动解析date字段为日期类型
    df = pd.read_csv(file, header='infer', parse_dates=['date'])
    # 按区域ID、日期升序排序，保证组内时间顺序正确
    df = df.sort_values(by=['ID', 'date']).reset_index(drop=True)
    # 按ID分组计算组内相邻行差值（等价于组内 值 - 值.shift(1)）
    group_diff = df.groupby('ID')['confirmedInfections'].diff()
    # 组内首行无前置值的空位置，替换为原始累计确诊数
    df['confirmedInfections'] = group_diff.fillna(df['confirmedInfections']).astype(int)
    # 按区域分组打印结果，对齐示例输出格式
    for region_id, region_df in df.groupby('ID'):
        print(f"#For {region_id}")
        print(region_df.to_csv(index=False))

main('data.txt')

运行效果验证 #

按照你提供的原始CSV数据，上述代码输出完全匹配预期样例的计算逻辑：

#For DE1
ID,name,date,confirmedInfections
DE1,BADEN-WÜRTTEMBERG,2020-02-24,1
DE1,BADEN-WÜRTTEMBERG,2020-02-25,2
DE1,BADEN-WÜRTTEMBERG,2020-02-26,4

#For DE2
ID,name,date,confirmedInfections
DE2,BAYERN,2020-02-24,19
DE2,BAYERN,2020-02-25,0
DE2,BAYERN,2020-02-26,2

如果你更习惯使用shift(1)实现逻辑 #

groupby下的diff()本质是对同组内的confirmedInfections做value - value.shift(1)的封装，也可以手动写移位逻辑实现完全一致的效果：

# 替换group_diff计算行的等价写法
prev_value = df.groupby('ID')['confirmedInfections'].shift(1)
group_diff = df['confirmedInfections'] - prev_value

注意：不要手动循环每个区域ID做筛选、移位、赋值，这种写法不仅代码冗余，在数据量较大时性能远低于groupby的向量化实现。

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