如何使用Pandas计算多列中High-Low差值的按索引均值？

当然可以用Pandas轻松搞定这个需求！我来给你拆解一下具体怎么做，根据你的DataFrame结构不同，有几种常见的实现方式：

情况1：DataFrame含High和Low列，按索引分组计算差值均值 #

假设你的DataFrame是时间序列类的，索引是日期，每一行对应一天的High和Low数据，结构大概是这样：

High  Low
2023-01-01  100   95
2023-01-02  102   97
2023-02-01  105   99
2023-02-02  107   101

如果要按月份（索引的月份维度）分组，计算每个月内每日High-Low差值的均值，步骤如下：

• 先计算每行的High与Low的差值，生成新列：

  df['diff'] = df['High'] - df['Low']
  

• 按索引分组并计算均值：

  # 若索引是datetime类型，按月份分组
  monthly_mean_diff = df['diff'].groupby(df.index.month).mean()
  
  # 若索引是自定义分组键，直接按索引分组
  mean_diff_by_index = df['diff'].groupby(df.index).mean()
  

情况2：索引是High/Low标识，每列对应不同变量 #

如果你的DataFrame索引是High或Low，每一列对应一个资产/变量，结构类似这样：

AssetA  AssetB
High    150     200
Low     140     185
High    155     210
Low     142     190

要计算每一列中High与Low的差值均值，可以这么做：

• 先按索引分组，计算每组（High组、Low组）的均值：

  grouped = df.groupby(df.index).mean()
  

• 再用High组的均值减去Low组的均值，得到每列的差值均值：

  col_mean_diff = grouped.loc['High'] - grouped.loc['Low']
  

通用简化写法 #

如果你的需求是直接计算所有行的High-Low差值的整体均值，或者按索引分组后的每个分组的差值均值，还可以用更简洁的写法：

# 计算所有行的High-Low差值的整体均值
overall_mean_diff = (df['High'] - df['Low']).mean()

# 按索引分组，计算每个分组的差值均值
mean_diff_per_index = (df['High'] - df['Low']).groupby(df.index).mean()

这些方法都能完美实现你的需求，你可以根据自己的DataFrame结构选对应的代码就行～

内容的提问来源于stack exchange，提问作者이승훈