Python中带datetime.date行索引的DataFrame逐列求相邻行差的实现与KeyError解决

• 维度逻辑完全颠倒：需求是逐列做行方向的相邻值差分，即同列下，第N行值 = 第N行累计值 - 第N-1行累计值。但你传axis=0走的else分支，循环逻辑完全错位：
  • 用enumerate(df.columns)得到的x是(列序号, 列名)的元组，根本无法用x == 0判断是不是第一列
  • 把df.iterrows()返回的(行索引, 行数据Series)元组，当成列名去索引赋值，这就是抛出KeyError的直接原因——程序拿一个包含datetime日期、整行数据的元组当列名查值，自然找不到对应键。
• 基础代码规范问题：
  • 变量cf从未初始化，就算逻辑写对也会报未定义错误
  • 函数内的if axis == 1判断没有做缩进，直接写在函数定义下，运行会触发缩进语法错误
• 本次报错和行索引的datetime.date类型完全无关，属于逻辑错位导致的索引键错误。

pandas内置方法完全可以覆盖需求，运行效率远高于逐行逐列的Python循环，且对date类型行索引兼容性正常：

1. 首行100%保留原累计利润值
2. 从第二行开始，逐列计算相邻行的差值（当前行值 - 上一行同列值）

核心代码如下：

# 复制原数据避免修改原始累计值DataFrame
pnl_result = original_df.copy()
# 第二行开始逐列计算单日损益
pnl_result.iloc[1:, :] = original_df.iloc[1:, :].values - original_df.shift(1).iloc[1:, :].values

*代码中的original_df替换为你实际使用的累计利润DataFrame变量（即示例中的AAAT）即可直接运行。

更简洁的等价写法：先对全表做行方向差分，再把第一行替换回原累计值

pnl_result = original_df.diff(axis=0)
pnl_result.iloc[0, :] = original_df.iloc[0, :]

按照你给出的计算样例，代码计算结果和预期完全一致：

• 2021-03-2 对应列值 = 76.512615 - (-216.097205) = 292.6098
• 2021-03-3 对应列值 = -645.63337 - 76.512615 = -722.14

内容的提问来源于stack exchange，提问作者Frankie C