如何以最Pythonic的方式按城市计算Pandas DataFrame行比值？

这是个很典型的Pandas分组计算场景，我来给你讲讲最Pythonic的实现方式～

首先先确认你的原始数据和结构：

import pandas as pd

df = pd.DataFrame()
df['city'] = ['NY','NY','LA','LA']
df['hour'] = ['0','12','0','12']
df['value'] = [12,24,3,9]

对应的DataFrame结构：

city hour  value
0   NY    0     12
1   NY   12     24
2   LA    0      3
3   LA   12      9

你需要按city分组，计算每组内后一行value与前一行的比值，最终得到每个城市的结果。这里分两种情况给你提供方案：

针对当前固定两行的简洁写法 #

因为你的数据里每个城市恰好只有两行（0点和12点），可以直接定位每组的第二行和第一行做除法，代码非常简洁高效：

result = df.groupby('city')['value'].apply(lambda x: x.iloc[1]/x.iloc[0]).reset_index(name='ratio')

通用的前后行比值计算（适配多行分组） #

如果以后你的数据每组可能包含更多行，想要通用的“后一行除以前一行”逻辑，可以用shift()方法实现：

# 计算每组内每行与前一行的比值，去掉无前置行的NaN后整理格式
result = (
    df.groupby('city')['value']
    .apply(lambda x: x / x.shift())
    .dropna()
    .reset_index(name='ratio')
    .drop(columns='level_1')
)

两种方案都会得到你期望的输出：

city  ratio
0   NY    2.0
1   LA    3.0

简单解释下逻辑：

• 第一种方案利用了当前数据的固定结构，直接通过iloc索引取值计算，性能最优。
• 第二种方案更通用，x.shift()会把每组的value序列整体上移一位，和原序列做除法就得到了前后行的比值，dropna()去掉每组第一行的无效值，最后整理成目标格式。

内容的提问来源于stack exchange，提问作者sato