如何为DataFrame分组排序后添加列计算B列与后续值的差值？

咱们直接上完整实现，然后拆解逻辑：

完整代码 #

import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'], 'B' : np.random.randint(0,100,8)})

# 核心逻辑：分组→组内排序→计算相邻差值
df['C'] = df.groupby('A').apply(
    lambda group: group.sort_values('B').assign(C=lambda g: g['B'].shift(-1) - g['B'])['C']
).reset_index(level=0, drop=True)

# 查看结果
print(df)

代码逻辑拆解 #

我把核心步骤拆解开，方便你理解：

• 按A列分组：用groupby('A')把DataFrame分成foo和bar两个独立的分组
• 组内按B排序：在每个分组里用sort_values('B')对B列升序排列（如果要降序可以加ascending=False）
• 计算相邻差值：用shift(-1)把B列的值向下位移一位（获取下一行的B值），再减去当前行的B值，得到差值并临时存入C列
• 对齐索引：最后用reset_index(level=0, drop=True)去掉分组带来的额外索引，让计算出的C列值能完美匹配原DataFrame的行

运行结果 #

因为设置了np.random.seed(0)，你会得到固定的输出：

A   B     C
0  foo  44  21.0
1  bar  47  17.0
2  foo  65  16.0
3  bar  64  12.0
4  foo  67  23.0
5  bar  76   NaN
6  foo  90   NaN
7  foo  83   7.0

注意每组的最后一行C值是NaN，这是因为没有下一个元素可以计算差值，属于正常现象。

内容的提问来源于stack exchange，提问作者Funkwecker