如何批量计算Pandas DataFrame中同后缀列的差值

嗨，你这个需求太实用了，完全不用手动硬编码每个后缀的差值列！我给你整理了一套自动化、易扩展的解决方案，不管以后新增多少后缀或者日期，都能轻松适配：

核心思路 #

1. 自动提取所有唯一的列后缀（比如001、002），不用手动指定；
2. 把要计算的差值规则整理成可循环的规则组，比如date3 - date2对应diff_1前缀；
3. 循环遍历每个后缀和规则，自动构造列名并计算差值，彻底告别重复代码。

完整代码实现 #

import pandas as pd
import numpy as np

# 第一步：生成你的原始DataFrame
branch_names = [f"Branch_{i}" for i in range(1, 11)]
date_1 = '20241231'
date_2 = '20250214'
date_3 = '20250220'

data = {
    'Branch': branch_names,
    date_1 + '_001': np.random.randint(60, 90, 10),
    date_1 + '_002': np.random.randint(60, 90, 10),
    date_1 + '_003': np.random.randint(60, 90, 10),
    date_2 + '_001': np.random.randint(60, 90, 10),
    date_2 + '_002': np.random.randint(60, 90, 10),
    date_2 + '_003': np.random.randint(60, 90, 10),
    date_3 + '_001': np.random.randint(60, 90, 10),
    date_3 + '_002': np.random.randint(60, 90, 10),
    date_3 + '_003': np.random.randint(60, 90, 10)
}

df = pd.DataFrame(data)

# 第二步：批量计算差值的核心逻辑
# 1. 自动提取所有唯一的列后缀（排除Branch列）
suffixes = list(set(col.split('_')[-1] for col in df.columns if col != 'Branch'))

# 2. 定义差值计算规则：(较晚日期, 较早日期, 差值列的前缀)
diff_rules = [
    (date_3, date_2, 'diff_1'),  # date3 - date2 → 列名diff_1_后缀
    (date_3, date_1, 'diff_2')   # date3 - date1 → 列名diff_2_后缀
]

# 3. 循环遍历每个后缀和规则，自动生成差值列
for suffix in suffixes:
    for later_date, earlier_date, diff_prefix in diff_rules:
        # 自动构造要计算的列名
        later_col = f"{later_date}_{suffix}"
        earlier_col = f"{earlier_date}_{suffix}"
        diff_col_name = f"{diff_prefix}_{suffix}"
        # 计算差值并赋值给新列
        df[diff_col_name] = df[later_col] - df[earlier_col]

# 查看结果（可选）
print(df.head())

方案优势 #

• 完全自动化：不用手动编写每一行df['diff_*'] = ...的代码，彻底摆脱硬编码的繁琐；
• 超强扩展性：以后如果新增_004这类后缀，或者新增date_4这类日期，只需要调整diff_rules或者直接运行代码，自动适配所有新列；
• 低出错率：避免手动输入列名时的拼写错误，代码逻辑清晰易维护。

如果你的列名格式有变动（比如分隔符不是_），只需要调整col.split('_')里的分隔符即可，灵活性拉满！

备注：内容来源于stack exchange，提问作者hoa tran