如何在DataFrame中对各年份列减去对应列的最大值？

嘿，这个需求其实用pandas的矢量化操作就能轻松搞定，完全不用绕弯子写循环！我给你两种靠谱的实现方式，从高效简洁到灵活自定义都覆盖到了：

方法一：矢量化广播（推荐，性能最优） #

这种方法利用pandas的广播特性，直接对年份列做整体运算，速度最快，代码也最简洁：

1. 先筛选出所有年份列：
   如果你能明确年份列的名称，直接列出来就行；如果想自动识别，可以用列表推导式筛选（比如列名是数字或数字字符串的列）：

   import pandas as pd
   
   # 假设你的DataFrame叫df
   # 自动筛选年份列（列名是整数或纯数字字符串）
   year_cols = [col for col in df.columns if isinstance(col, int) or (isinstance(col, str) and col.isdigit())]
   

2. 执行差值计算：
   直接用每列的最大值减去原列的每个元素，pandas会自动按列匹配最大值完成广播：

   # 直接修改原DataFrame的年份列
   df[year_cols] = df[year_cols].max() - df[year_cols]
   
   # 如果不想修改原数据，先创建副本再操作
   # new_df = df.copy()
   # new_df[year_cols] = new_df[year_cols].max() - new_df[year_cols]
   

方法二：用apply自定义处理（适合需要额外逻辑的场景） #

如果之后你需要对某些年份列加特殊判断（比如跳过特定值、处理缺失值的特殊逻辑），可以用apply遍历每一列来计算：

df[year_cols] = df[year_cols].apply(lambda col: col.max() - col)

这个方法更灵活，但性能比矢量化广播稍差，适合小数据集或者有自定义需求的场景。

示例演示 #

举个小例子验证效果：

# 创建示例DataFrame
data = {
    '1996': [10, 25, 57, 30],
    '1997': [3, 9, 5, 7],
    '类别': ['A', 'B', 'C', 'D']
}
df = pd.DataFrame(data)

# 筛选年份列
year_cols = [col for col in df.columns if col.startswith('19')]

# 计算差值
df[year_cols] = df[year_cols].max() - df[year_cols]

print(df)

运行后输出：

1996  1997 类别
0    47     6    A
1    32     0    B
2     0     4    C
3    27     2    D

完全符合你要的效果：1996列最大值57，每个元素都是57减去原数值；1997列最大值9，每个元素都是9减去原数值。

内容的提问来源于stack exchange，提问作者Ally D