计算 Pandas 中按多列分组后的列差值（diff）

做数据分析时，你一定遇到过这样的场景：需要根据多个条件（比如时间点和类别标签）来分组，然后在每组内部计算某个数值列的逐行变化量。举个例子，在时序实验或分组观测中，我们只关心同一时刻、同一属性下的样本序列，想看看某个指标（比如 Prop2）是怎么一步步变化的——是上升了还是下降了？这种“按组差分”的需求，正是 groupby(...).diff() 大显身手的地方。

核心方法极其简洁，一行代码就能搞定：

df['Prop2Diff'] = df.groupby(['Time', 'Prop1'])['Prop2'].diff()

这条语句做了什么？首先按 ['Time', 'Prop1'] 两列联合分组，确保每个组里的记录拥有完全一致的时间和属性标识；然后在每组内部，对 Prop2 列执行 .diff() 操作（即当前行值减去上一行值），自动保留原始行顺序。每组的第一行因为没有前一行可减，结果自然就是 NaN。

来看一个具体的例子：

import pandas as pd
df = pd.DataFrame({
    "Time": [1,2,3,1,2,3],
    "Prop1": ["A","B","A","A","B","B"],
    "Prop2": [4, 5, 1, 5, 4, 3]
})

执行上述代码后，输出结果如下：

这里有个关键点需要警惕：分组逻辑严格依赖于原始数据的物理顺序。如果数据没有按 Time 或 Prop1 排序，同组的记录可能被分散在不同位置，导致 .diff() 作用在非连续的行上，结果自然就不对了。所以，如果业务要求按时间顺序计算差值，最好先主动排个序：

df = df.sort_values(['Time', 'Prop1']).reset_index(drop=True)
df['Prop2Diff'] = df.groupby(['Time', 'Prop1'])['Prop2'].diff()

另外，.diff() 还支持一个参数 periods（默认值为1），可以用来计算跨 n 行的差值。比如 diff(periods=2) 得到的是当前行与前两行的差。如果需要绝对差值，后面再链式调用 .abs() 即可。

总而言之，用 groupby([...])[col].diff() 替代嵌套循环，不仅代码更简洁、可读性更强，而且底层由 pandas 高度优化的向量化操作实现，性能提升可达数十倍。在处理百万级数据时，这绝对是一个值得养成的习惯。