如何用Pandas计算每日同时间戳数据差值并新增列（无需新增前日列）

没问题，完全可以不用新增前日数据列就能实现这个需求！我们可以利用pandas的分组（groupby）和移位（shift）功能直接完成计算，核心思路是按时间戳的「时分秒」部分分组，这样每个组里的行都是不同日期的同一时间点，接着在组内对value做移位操作，最后和当前值相减就能得到24小时差值。

具体代码实现 #

首先确保你的date_time列是datetime类型（如果还没转换的话）：

import pandas as pd

# 转换datetime列类型
df['date_time'] = pd.to_datetime(df['date_time'])

# 直接计算change24h列，无需中间列
df['change24h'] = df['value'] - df.groupby(df['date_time'].dt.time)['value'].shift(1)

代码逻辑解释 #

• df['date_time'].dt.time：提取每个时间戳的「时分秒」部分（比如00:00:00、00:05:00），以此作为分组依据，确保每个组内的行都是不同日期的同一时间点。
• groupby(...)['value'].shift(1)：在每个时间组内，将value向下移位一行，也就是获取前一天同一时间点的数值。
• 用当前value减去移位后的值，直接得到change24h；前一天的行因为没有更早的匹配数据，会自动填充NaN，完全符合你想要的目标结果。

最终结果验证 #

运行代码后，你的DataFrame会呈现如下效果：

这种方法不仅省去了中间列的冗余，还能自动处理日期不连续或某天数据缺失的情况（只要同一时间点有历史数据就能计算），灵活性拉满。

内容的提问来源于stack exchange，提问作者Trần Danh Lưu