如何计算pandas累积列差值 按日期统计每日新增住院人数

核心逻辑：同一城市维度下，当日累计住院数减去相邻前一日的累计住院数，即为该城市当日新增，最后按日期汇总所有城市的新增值，得到每日总新增。

第一步：基础数据预处理 #

• 统一将日期列转为pandas可识别的时间格式，避免字符串排序带来的顺序错误：
  df['date'] = pd.to_datetime(df['date'])
• 按城市、日期双维度做升序排序，重置索引保证顺序正确，这步是后续差值计算准确的前提：
  df = df.sort_values(by=['city', 'date']).reset_index(drop=True)

第二步：计算单城市的每日新增住院数 #

利用pandas分组内的差分方法，直接计算每个城市组内当前行与上一行的累计值差值，不需要手动写shift逻辑，也能避免索引对齐的常见问题：
df['city_daily_new'] = df.groupby('city')['hospitalized'].diff()
针对计算结果的边界值与异常值做修正：

• 每个城市最早的一条累计记录，没有前序对比值，diff会返回空值，这类日期的当日新增就等于当天的累计值，直接填充即可：
  df['city_daily_new'] = df['city_daily_new'].fillna(df['hospitalized'])
• 数据上报可能出现累计值倒降的异常（比如前一天累计100，当天上报90），diff会算出负数，实际场景中不可能出现负的新增住院人数，统一做下截断，负值替换为0：
  df['city_daily_new'] = df['city_daily_new'].clip(lower=0)

第三步：按日期汇总得到每日总新增 #

将所有城市的当日新增值按日期聚合求和，最终得到每日一行的结果表：
daily_total = df.groupby('date', as_index=False)['city_daily_new'].sum().rename(columns={'city_daily_new':'total_daily_new'})

第四步：筛选近30天数据 #

筛选时注意不要直接用现实中的当前日期做判断，要以数据集本身的最大日期为基准，避免数据截止时间和现实时间错位导致筛选结果为空：

max_record_date = daily_total['date'].max()
recent_30d_data = daily_total[daily_total['date'] >= max_record_date - pd.Timedelta(days=30)]

高频踩坑提醒

• 不按城市分组直接做全表差分：会把A城市最后一条的累计值和B城市第一条的累计值做减法，算出完全无意义的异常值
• 跳过排序步骤直接计算差值：如果原始数据是乱序排列（比如城市块穿插、日期倒序），得到的差值根本不是相邻自然日的真实差
• 近30天筛选用固定现实日期：如果你的数据是2020年-2022年的历史数据，拿2024年的日期去筛选会得到全空的结果

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