Python 3.x 从数据透视中的键列中减去列的子集

我有一个数据透视表，其中包含时间序列中的多列数据：

             A    B    C    D
11/1/2018    1    5    5    7
11/2/2018    2    6    6    8
11/3/2018    3    7    7    9

对于本例，数据列中的值并不重要我想从列的子集中减去“键”列（本例中为A列）中的值：本例中为B&C列。然后，我想删除不在子集或键列中的任何列。结果将是：

             A    B    C
11/1/2018    1    4    4
11/2/2018    2    4    4
11/3/2018    3    4    4

我过去曾通过以下代码减去列：

df['dif'] = df['B'] -df['A']

但这将添加“dif”列。我想用B-A值替换B列。另外，与其一次只传递一条指令（B-a，C-a），不如传递类似于“if-column-in-list，subtract-key-column，else-drop-column”的列表

---

谢谢

您可以使用

apply

从您选择的子集列中减去A，最后

再次使用A连接

df['A'].to_frame().join(df[['B','C']].apply(lambda x: x - df['A']))

            A   B   C
11/1/2018   1   4   4
11/2/2018   2   4   4
11/3/2018   3   4   4

pandas.DataFrame.sub

带

axis=0

当从

数据框中减去
系列
时，默认情况下，
数据框
的列将与
系列
的
索引
对齐。这就是使用
-
运算符时发生的情况。但是，当使用
pandas.DataFrame.sub
方法时，可以覆盖该默认值，并指定
DataFrame
应将其索引与
系列的索引对齐

def f(d, key, subset):
  return d[[key]].join(d[subset].sub(d[key], axis=0))

f(df, 'A', ['B', 'C'])

           A  B  C
11/1/2018  1  4  4
11/2/2018  2  4  4
11/3/2018  3  4  4

我有点困惑。似乎是说默认情况下对齐df w系列索引，然后指定df align w系列索引。这些对我来说似乎是一样的，只是你可以选择对齐方式。我是否正确地理解了您语句的意义？我说过，默认情况下，Series对象的index属性与DataFrame对象的columns属性对齐。使用
sub
方法更改默认值，使Series对象的索引属性与DataFrame对象的索引属性对齐。这是否意味着不能从正确的日期中减去正确的日期？不，这样做是正确的。我正在考虑是否提供一个明确的问题和答案来说明这一点。那太好了-如果你这样做，请让我知道-似乎你说这两种方法都能提供正确的答案，所以我想了解这里的风险是什么。试图理解在风格上什么是最好的，以及为什么/什么时候不同属性之间的关系很重要Hanks Franco。我很感激你的回答——只是想确定这些答案中哪一个更有用/更具洞察力欢迎，我认为两个答案都能完成任务，而且非常相似，apply是一种更一般的方式，sub是一种更具体的方式。理解apply对你更有用，因为你可以在更多的场合使用它，但是如果你正在寻找完美的答案，我想应该是sub。我可以问一下，如果你不想删除不在子集中的列，你会如何更改这个答案？如果子集实际上是一个比df中的内容大的列表呢？例如（B，C，D，E）喜欢子集中的if列和df，然后应用lambda，否则保持该列不变