如何为现有DataFrame添加相邻列差值计算列？

嘿，这个需求其实不用新建DataFrame再合并，直接在原数据上操作就很方便，而且能完美实现你要的效果，我给你几种方案参考：

1. 手动生成差值列（适合少量列的情况） #

先构造你的示例DataFrame：

import pandas as pd

data = {
    'Name': ['A', 'B'],
    0: [3, 5],
    1: [1, 4],
    2: [0, 1]
}
df = pd.DataFrame(data)

然后直接计算并添加d1和d2列，把数值和计算式拼接成字符串：

# 计算d1：0列减1列
df['d1'] = df.apply(lambda row: f"{row[0]-row[1]}(={row[0]}-{row[1]})", axis=1)
# 计算d2：1列减2列
df['d2'] = df.apply(lambda row: f"{row[1]-row[2]}(={row[1]}-{row[2]})", axis=1)

运行后就能得到你想要的结果：

Name  0  1  2       d1       d2
0    A  3  1  0  2(=3-1)  1(=1-0)
1    B  5  4  1  1(=5-4)  3(=4-1)

2. 批量生成差值列（适合多列场景） #

如果你的DataFrame有很多数值列，手动写每一列太麻烦，可以用循环批量生成：

# 筛选出数值列（排除Name列）
num_cols = [col for col in df.columns if col != 'Name']

# 循环生成差值列
for idx in range(len(num_cols)-1):
    col_left = num_cols[idx]
    col_right = num_cols[idx+1]
    df[f'd{idx+1}'] = df.apply(lambda row: f"{row[col_left]-row[col_right]}(={row[col_left]}-{row[col_right]})", axis=1)

这样不管你有多少个数值列，都能自动生成对应的差值列，非常灵活。

3. 矢量化优化（大数据量推荐） #

如果你的数据量很大，apply方法的效率可能不够高，这时候可以用矢量化操作提速，避免逐行遍历：

df['d1'] = (df[0] - df[1]).astype(str) + "(=" + df[0].astype(str) + "-" + df[1].astype(str) + ")"
df['d2'] = (df[1] - df[2]).astype(str) + "(=" + df[1].astype(str) + "-" + df[2].astype(str) + ")"

这种方式利用Pandas的矢量化计算，速度会比apply快很多，适合处理大规模数据。

比起你之前尝试的新建DataFrame再合并的方式，这些方法直接在原DataFrame上操作，代码更简洁，也不会出现合并时的索引对齐问题，是更优的实现方案~

内容的提问来源于stack exchange，提问作者TylerNG