如何用Pandas计算MultiIndex层级起始值的累积差值？

我完全懂你的需求——你要的不是相邻行的连续差值（diff()的效果），而是每个MultiIndex第一级分组里的所有值，和该组第一个起始值的差值，用来观察起始后的衰减情况对吧？之前的方法确实没命中点，我来给你个精准的解决方案。

步骤1：构造匹配需求的示例数据 #

先把你描述的示例数据建出来，方便验证效果：

import pandas as pd

# 创建MultiIndex结构
multi_idx = pd.MultiIndex.from_tuples(
    [('A', 1), ('A', 2), ('A', 3), ('A', 4),
     ('B', 1), ('B', 2), ('B', 3), ('B', 4)],
    names=['group', 'seq']
)
# 生成对应DataFrame
df = pd.DataFrame(
    {'values': [120, 100, 90, 50, 11, 12, 10, 9]},
    index=multi_idx
)

步骤2：计算与组起始值的差值 #

核心思路是：给每个分组的所有行匹配该组的起始值，再做减法，最后把每组第一个值的结果设为NaN（符合你的示例输出要求）：

# 1. 为每个分组的每一行广播该组的起始值
group_start_values = df.groupby(level='group')['values'].transform('first')
# 2. 计算每行值与组起始值的差值
df['decay'] = df['values'] - group_start_values
# 3. 将每组第一个元素的差值设为NaN（起始值与自身的差值无意义）
df['decay'] = df['decay'].mask(df.groupby(level='group').cumcount() == 0)

最终输出结果 #

运行后你会得到完全符合预期的结果：

values  decay
group seq                  
A     1          120    NaN
      2          100  -20.0
      3           90  -30.0
      4           50  -70.0
B     1           11    NaN
      2           12   +1.0
      3           10   -1.0
      4            9   -2.0

代码细节解释 #

• transform('first')：这个方法会把每个分组的第一个值，自动广播到该组的所有行，这样就能直接和每行的values做元素级减法，无需手动对齐索引。
• cumcount() == 0：cumcount()会给每个分组的行从0开始计数，第一个行（计数为0）会被mask()替换成NaN，完美匹配你要的格式。

如果你的MultiIndex第一级没有命名，直接用level=0代替level='group'就可以，效果完全一致。

内容的提问来源于stack exchange，提问作者Tom Kealy