Python 2.7 如何基于行计算将新列附加到我的数据帧？

假设我有一个包含两列的Pandas数据框：1）user_id，2）steps（包含给定日期的步骤数）。现在，我想计算步骤数和前面测量中的步骤数之间的差值（保证在我的数据帧中测量是有序的）

因此，基本上这可以归结为在我的数据框中追加一个额外的列，其中该数据框的行值与该行中“steps”列的值相匹配，减去上面一行中“steps”列的值（如果这是第一行，则为0）。为了使事情进一步复杂化，我想计算每个用户id的差异，所以我想确保不减去具有不同用户id的两行的步长值

有人知道如何使用Python2.7和Panda完成这项工作吗

因此，我们举一个例子来说明这一点

输入示例：

user_id     steps
   1015       48
   1015       23
   1015       79
   1016       10
   1016       20

期望输出：

user_id     steps    d_steps
   1015       48          0
   1015       23        -25
   1015       79         56
   2023       10          0
   2023       20         10

---

您的输出显示不在原始数据中的用户ID，但以下内容符合您的要求，您必须用0替换/填充

NaN

值：

In [16]:

df['d_steps'] = df.groupby('user_id').transform('diff')
df.fillna(0, inplace=True)
df
Out[16]:
   user_id  steps  d_steps
0     1015     48        0
1     1015     23      -25
2     1015     79       56
3     1016     10        0
4     1016     20       10

---

在这里，我们通过调用groupby对象生成所需的列，并传递一个字符串，该字符串映射到减去前一行值的方法。Transform应用一个函数并返回一个索引与df对齐的序列。

通常有助于给出一个具体的示例，其中包含输入和所需的输出，人们可以复制和粘贴，而不是依赖于描述。同意！我添加了一个示例：）