如何用Python Pandas计算已导入CSV两列的差值并存储为新列/数组？

嘿，这事儿其实挺简单的！Pandas的向量运算能让你轻松实现这个需求，下面给你几种常见的做法：

1. 在现有DataFrame中新增一列存储差值 #

这是最常用的方式，直接把差值作为新列添加到你已经导入的df1里：

import pandas as pd
fields = ['TEST ONE', 'TEST TWO', 'TEST THREE']
df1 = pd.read_csv('List.csv', skipinitialspace=True, usecols=fields)

# 计算TEST ONE和TEST TWO的差值，新增为TEST DIFF列
df1['TEST DIFF'] = df1['TEST ONE'] - df1['TEST TWO']

这样之后，你就能像访问其他列一样用df1['TEST DIFF']来获取差值数据了。

2. 存储为独立的Pandas Series #

如果不想修改原DataFrame，只想把差值存成一个单独的Series对象：

# 直接计算得到独立的Series
diff_series = df1['TEST ONE'] - df1['TEST TWO']

# 可以查看前几行结果
print(diff_series.head())

Series保留了原数据的索引，方便后续和其他数据关联使用。

3. 存储为NumPy数组 #

要是你需要把差值转换成NumPy数组（比如用于后续的数值计算），只需在Series基础上转换：

# 先得到Series，再转成数组
diff_array = (df1['TEST ONE'] - df1['TEST TWO']).to_numpy()

# 查看数组前5个元素
print(diff_array[:5])

小提示 #

如果你的列里存在缺失值（NaN），差值结果也会是NaN。要是需要处理这种情况，可以用fillna()方法填充默认值，比如：

# 用0填充缺失的差值
df1['TEST DIFF'] = df1['TEST ONE'].sub(df1['TEST TWO']).fillna(0)

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