如何在同一Pandas DataFrame中实现切片间减法并得到正确结果？

嘿，这个问题我之前也踩过坑！核心原因是Pandas在执行运算时会严格按索引对齐，咱们来理清楚问题出在哪，再给你几个靠谱的解决方案：

为什么会出现NaN？ #

你用到的两个切片：

• df[1:]的索引是[1, 2]
• df[:-1]的索引是[0, 1]

当你直接相减时，Pandas只会匹配索引相同的行——只有索引1的位置能对应上，其他索引（0和2）没有匹配项，所以就会填充NaN，这就是你看到结果的原因。

解决方案 #

方法1：用Pandas内置的diff()方法（最推荐） #

diff()就是专门用来计算相邻行/列差值的方法，默认是后一行减前一行，完美符合你的需求。如果想要和目标结果的索引一致，只需要去掉第一行的NaN再重置索引：

import pandas as pd
df = pd.DataFrame(data={'col1': [1, 2, 3], 'col2': [3, 4, 5]})

# 计算差值并处理索引
result = df.diff().dropna().reset_index(drop=True)
print(result)

输出结果：

col1  col2
0   1.0   1.0
1   1.0   1.0

方法2：重置切片的索引再相减 #

如果不想用内置方法，也可以手动把两个切片的索引重置为从0开始，这样它们就能完全对齐：

result = df[1:].reset_index(drop=True) - df[:-1].reset_index(drop=True)
print(result)

这个方法逻辑更直观，适合理解Pandas的索引对齐机制，也能直接得到你想要的结果。

方法3：用shift()实现行偏移相减 #

shift(1)会把整个DataFrame向下偏移一行（第一行变成NaN），然后用原DataFrame减去偏移后的结果，再取有效行并重置索引：

result = (df - df.shift(1))[1:].reset_index(drop=True)
print(result)

这个方法和diff()的原理类似，也是利用行偏移来实现相邻行的差值计算。

总结 #

如果只是需要计算相邻行的差值，优先用diff()，它是Pandas专门优化过的方法，代码简洁且效率高。如果想手动控制索引对齐，重置索引的方法也很实用。

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