如何对DataFrame列按倒序值依次做列减法并生成新DataFrame？

看起来你想要基于原DataFrame的列，从最后一个元素开始，依次用每个元素作为基准值，减去对应范围的列值，生成多个新列。我会基于示例DataFrame给出两种常见需求的实现方法，你可以根据自己的实际场景选择。

首先，先定义示例DataFrame（你可以替换成自己的df1）：

import pandas as pd
import numpy as np

# 示例df1
df1 = pd.DataFrame({'t': [1, 2, 3, 4, 5]})

方法1：每个基准值减去整列所有值 #

这种方法是用每个元素（从后往前）减去原列的全部元素，生成的新列长度和原列一致：

循环实现（符合你尝试的思路） #

result_df = df1.copy()
col_values = df1['t'].values

# 从最后一个元素反向遍历
for val in reversed(col_values):
    col_name = f'diff_{val}'
    # 计算基准值减去原列的每个值
    result_df[col_name] = val - df1['t']

执行后，result_df会包含原列t以及diff_5、diff_4、diff_3、diff_2、diff_1这些新列，每个列的结果是对应基准值减去t列的所有元素。

向量化实现（更高效，适合大数据量） #

如果你的数据量较大，推荐用pandas/numpy的广播特性，避免循环：

col_values = df1['t'].values
# 利用广播生成所有差值组合
diff_array = col_values[:, np.newaxis] - col_values
# 转换为DataFrame并设置列名
diff_df = pd.DataFrame(diff_array, columns=[f'diff_{val}' for val in col_values])
# 和原DataFrame合并
result_df = pd.concat([df1, diff_df], axis=1)

方法2：每个基准值减去原列中到自身位置的元素（后补NaN） #

如果你的需求是：用第i个元素（从后往前）减去原列中前i+1个元素，后面的位置补NaN，可以这样实现：

result_df = df1.copy()
col_values = df1['t'].values
n = len(col_values)

for i in reversed(range(n)):
    val = col_values[i]
    col_name = f'diff_{val}'
    # 创建全NaN的Series
    new_col = pd.Series([np.nan] * n)
    # 给前i+1个位置赋值
    new_col.iloc[:i+1] = val - col_values[:i+1]
    result_df[col_name] = new_col

执行后，diff_5列是[4,3,2,1,0]，diff_4列是[3,2,1,0,NaN]，以此类推。

你可以根据自己的实际需求选择对应的方法，如果还有更具体的规则，可以补充说明细节~

内容的提问来源于stack exchange，提问作者JamesHudson81