如何在Python中通过列偏移计算DataFrame连续行的差值

嘿，这个需求其实用pandas的工具就能轻松实现！我给你分享两种最常用的方式，都能通过列偏移的思路搞定：

方法一：用shift()手动计算偏移差值 #

shift()方法可以把DataFrame的行整体向上/向下偏移指定的步数，我们只需要用原始数据减去偏移后的数据，就能得到连续行的差值了。

举个实际例子，先模拟你的原始DataFrame：

import pandas as pd

# 假设这是你的原始数据
original_df = pd.DataFrame({
    '数值列1': [20, 25, 33, 28],
    '数值列2': [10, 14, 16, 12],
    '数值列3': [5, 8, 6, 10]
})

接下来执行偏移计算：

# 将所有行向下偏移1步（第一行变为NaN）
shifted_df = original_df.shift(1)
# 计算当前行 - 上一行的差值
diff_result = original_df - shifted_df

得到的结果会是这样：

数值列1  数值列2  数值列3
0    NaN    NaN    NaN
1    5.0    4.0    3.0
2    8.0    2.0   -2.0
3   -5.0   -4.0    4.0

如果想要上一行 - 当前行的差值，只需要调换顺序：shifted_df - original_df就行。

方法二：用内置的diff()方法（更简洁） #

pandas其实自带了专门计算行/列差值的diff()方法，它本质上就是封装了shift()的逻辑，用起来更省心：

# 默认计算当前行与上一行的差值，效果和方法一完全一致
diff_result = original_df.diff()

如果你想计算当前行与下一行的差值，只需要传入periods=-1参数：

# 当前行 - 下一行的差值
diff_result_next = original_df.diff(periods=-1)

额外处理：去掉开头的NaN值 #

因为第一行没有上一行数据，结果里会出现NaN。如果需要删除这一行，可以用：

diff_result_clean = diff_result.dropna()

或者用填充值替换NaN，比如用0填充：

diff_result_filled = diff_result.fillna(0)

这样就能完美得到你想要的连续行差值结果啦！

内容的提问来源于stack exchange，提问作者AST