python - 循环遍历数据框(列和行)并替换数据

Question

我有:df = pd.DataFrame([[1, 2,3], [2, 4,6],[3, 6,9]], columns=['A', 'B', 'C'] )

我需要计算每行和每列的 i+1 和 i 值之间的差异，并将其再次存储在同一列中。所需的输出将是:

Out[2]: 
   A  B  C
0  1  2  3
1  1  2  3
2  1  2  3

我曾尝试这样做，但我最终得到了一个 append 了所有值的列表，我需要将它们单独存储(在列表中，或在同一个数据框中)。

有办法吗？

difs=[]
for column in df:
    for i in range(len(df)-1):
        a = df[column]
        b = a[i+1]-a[i]
        difs.append(b)

for x in difs:
    for column in df:
        df[column]=x

Answer 1

您可以使用 pandas 函数 shift 来实现您的预​​期目标。这就是它的作用(更多信息请参见 docs ):

Shift index by desired number of periods with an optional time freq.

for col in df:
    df[col] = df[col] - df[col].shift(1).fillna(0)

df
Out[1]:
    A       B       C
0   1.0     2.0     3.0
1   1.0     2.0     3.0
2   1.0     2.0     3.0

已添加

如果您想使用循环，可能一个好的方法是使用 iterrows(更多信息 here)，因为它提供了 (index, Series)对。

difs = []
for i, row in df.iterrows():
    if i == 0:
        x = row.values.tolist() ## so we preserve the first row
    else:
        x = (row.values - df.loc[i-1, df.columns]).values.tolist()
    difs.append(x)

difs
Out[1]:
[[1, 2, 3], [1, 2, 3], [1, 2, 3]]

## Create new / replace old dataframe
cols = [col for col in df.columns]
new_df = pd.DataFrame(difs, columns=cols)

new_df
Out[2]:
    A       B       C
0   1.0     2.0     3.0
1   1.0     2.0     3.0
2   1.0     2.0     3.0