Python 使用Pandas.diff（）获取行差异的总和

我正在做一个时间序列分析，我需要计算几个属性随时间的变化。熊猫使这个简单的版本变得容易；.diff（periods=n）函数将计算一行与前面n行之间的差异，但是，这并不是我所需要的

df= pd.DataFrame({'day_num': [134, 135, 136, 137],
                    'swe': [38.8, 38.9, 37.6, 36.8],
                     'prcp': [0., 0.1, 0., 0.15],
                     'flow': [2930, 3350, 3900, 4090]})

diff_3 = df.diff(periods=3)

返回：

   day_num   swe  prcp  flow
0      134  38.8  0.00  2930
1      135  38.9  0.00  3350
2      136   37.6  0.00  3900
3      137  36.8  0.15  4090

以及：

在swe列中（雪水当量英寸，字面上是特定积雪的液态水当量），指数3的3天差值为-2.0，等于36.8-38.8。但是，请注意，在3天的时间内有增加和减少。这意味着在这3天的窗口内，总共有2.1英寸（我的期望输出）的水融化并形成了水流（流动柱）。Min-max也不起作用，因为如果我将n值增加到7或14，很容易会出现输出中未考虑的“熔化”。所需要的是n天跨度内单日差异的总和。我最终希望将差异列合并回原始数据集中

任何想法都将不胜感激。另外，这是我的第一篇文章，所以请让我知道如何改进我的格式/内容

n天跨度内单日差异的总和

首先，

diff

连续行，然后执行一次。由于

diff

之后的序列在连续两行中已经存在差异，因此对于滚动求和，我们只提供

period-1

（在本例中

3-1=2

）

输出：

   day_num  swe  prcp  flow
0      134  NaN  0.00  2930
1      135  NaN  0.10  3350
2      136 -1.2  0.00  3900
3      137 -2.1  0.15  4090

   day_num   swe  prcp  flow  swe_using_diff  swe_using_rolling_sum
0      134  38.8  0.00  2930             NaN                    NaN
1      135  38.9  0.10  3350             NaN                    NaN
2      136  37.6  0.00  3900            -1.2                   -1.2
3      137  36.8  0.15  4090            -2.1                   -2.1

这也相当于执行以下操作，因为中间天数的贡献最终将抵消：

df['swe'] = df['swe'].diff(periods-1)

输出：

   day_num  swe  prcp  flow
0      134  NaN  0.00  2930
1      135  NaN  0.10  3350
2      136 -1.2  0.00  3900
3      137 -2.1  0.15  4090

   day_num   swe  prcp  flow  swe_using_diff  swe_using_rolling_sum
0      134  38.8  0.00  2930             NaN                    NaN
1      135  38.9  0.10  3350             NaN                    NaN
2      136  37.6  0.00  3900            -1.2                   -1.2
3      137  36.8  0.15  4090            -2.1                   -2.1