Pandas是否有等效Excel的公式？时间序列逐Tick字段差值计算咨询

当然有超级省心的办法！完全不用费劲用apply()或者转成NumPy数组循环——Pandas专门为这种“相邻元素差值”的场景提供了diff()方法，和你在Excel里下拉公式的效果一模一样，而且效率高得多。

基础用法 #

假设你的DataFrame是df，要计算的字段是A，只需要一行代码就能生成差值列：

df['B'] = df['A'].diff()

这样生成的B列里，每个值都是当前行A的值减去上一行A的值，和Excel中B2=A2-A1下拉的逻辑完全一致。

示例演示 #

给你看个具体例子更清楚：

import pandas as pd

# 构造示例时间序列数据
df = pd.DataFrame({
    'Tick': [1, 2, 3, 4, 5],
    'A': [10, 15, 12, 18, 20]
})

# 计算相邻差值
df['A_diff'] = df['A'].diff()

print(df)

输出结果：

Tick   A  A_diff
0     1  10     NaN
1     2  15     5.0
2     3  12    -3.0
3     4  18     6.0
4     5  20     2.0

可以看到第一行的A_diff是NaN，因为没有上一行的数据，这和Excel里第一行公式返回空值的逻辑一致。如果需要填充这个空值，比如用0代替，直接加一行：

df['A_diff'] = df['A_diff'].fillna(0)

进阶参数 #

diff()还支持调整对比的间隔：

• 默认periods=1：和前1行对比
• 如果设periods=2：就是当前行减去前2行的值
• 如果设periods=-1：就是当前行减去后1行的值（反向差值）

比如：

# 计算当前行和后一行的差值
df['A_reverse_diff'] = df['A'].diff(periods=-1)

为什么不用apply或循环？ #

diff()是Pandas的矢量化操作，底层用C实现，比Python循环或者apply()快得多，尤其是处理大规模时间序列数据时，性能差距会非常明显。

内容的提问来源于stack exchange，提问作者user2251346