如何在同一Pandas DataFrame中用后行切片除以前行切片并获结果

嗨，我完全懂你遇到的困扰！你想要的是按位置逐行计算后一行与前一行的比值，但直接用df[1:] / df[:-1]得到奇怪的结果，这其实是Pandas默认的索引对齐机制在搞鬼——它会根据行索引去匹配数据，而不是按位置顺序计算。

为什么会出现这个问题？ #

咱们拆解下两个切片的索引就明白了：

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

当你直接相除时，Pandas只会匹配索引相同的行（也就是索引为1的那一行），其他行因为找不到匹配的索引，结果就变成了NaN；而索引1的行是df[1:]的第一行（值为2、4）除以df[:-1]的第二行（值为2、4），所以得到1.0，这显然不是你要的结果。

三种可行的解决方案 #

1. 直接用数组运算（简单粗暴）

把DataFrame转换成NumPy数组，这样就会完全按位置运算，最后再转回DataFrame：

import pandas as pd

df = pd.DataFrame(data={'col1': [1, 2, 3], 'col2': [3, 4, 5]})
result = pd.DataFrame(df[1:].values / df[:-1].values, columns=df.columns)
print(result)

输出结果正好是你想要的：

col1      col2
0   2.0  1.333333
1   1.5  1.250000

2. 重置索引对齐（Pandas原生风格）

把两个切片的索引都重置为从0开始的连续整数，这样Pandas就能正确按位置匹配了：

df_next = df[1:].reset_index(drop=True)
df_prev = df[:-1].reset_index(drop=True)
result = df_next / df_prev

这种方法不需要脱离DataFrame的操作体系，适合习惯用Pandas原生API的场景。

3. 用shift()方法更简洁

利用shift(1)把原DataFrame整体上移一行，然后计算原数据与上移后数据的比值，最后去掉NaN行：

result = df.div(df.shift(1)).dropna().reset_index(drop=True)

df.shift(1)会把每一行的值向上移动一行，第一行变成NaN，然后df.div(df.shift(1))会得到所有行的比值，最后dropna()去掉第一行的NaN，reset_index(drop=True)把索引重置为0、1，就得到目标结果了。

总结 #

核心问题就是Pandas的索引对齐特性，只要让参与运算的两个数据集索引一致，或者绕开索引直接按位置运算，就能得到你想要的逐行比值结果啦！

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