Python Pandas索引和计算行效率矢量化代码

我对熊猫有些陌生，我觉得应该有一种更有效的方法来获得最小年和最大年的差异，所以改变，对于每个国家，而不是像我这样重复每个国家。我想把代码矢量化。也许这只是数据集的组织方式，但我一直在努力寻找矢量化的解决方案

有没有人有一个有效的想法，如何在不重复像我这样的国家的情况下运行它？我觉得应该有办法做到这一点。我在代码示例下面添加了一个数据集示例

new_columns = ['CountryName', 'Forest Area Change' ]
dff = pd.DataFrame(columns=new_columns) 

for country in countries:
    forest_area_1990 = df[(df.CountryName == country) & (df.IndicatorCode == 'AG.LND.FRST.ZS') & (df.Year == 1990)].Value.values
    forest_area_2015 = df[(df.CountryName == country) & (df.IndicatorCode == 'AG.LND.FRST.ZS') & (df.Year == 2015)].Value.values

    if forest_area_1990.size > 0 and forest_area_2015.size > 0:
        dff = dff.append({new_columns[0]:country, new_columns[1]: forest_area_2015[0] - forest_area_1990[0]}, ignore_index=True)

数据集如下所示：

            CountryName CountryCode                 IndicatorName   IndicatorCode  Year      Value  

11531340         Canada         CAN  Forest area (% of land area)  AG.LND.FRST.ZS  1990  38.299073  
21041940         Canada         CAN  Forest area (% of land area)  AG.LND.FRST.ZS  2015  38.166671  
11777751  United States         USA  Forest area (% of land area)  AG.LND.FRST.ZS  1990  33.022308  
21288351  United States         USA  Forest area (% of land area)  AG.LND.FRST.ZS  2015  33.899723  

---

我相信您正在寻找的是以下内容：

res = df[["CountryName", "Value"]].groupby("CountryName").agg(["first", "last"])
res.columns = ["first", "last"]
res["change"] = res["last"] - res["first"]

结果是：

                   first       last    change
CountryName                                  
Canada         38.299073  38.166671 -0.132402
United States  33.022308  33.899723  0.877415

---

最小年份和最大年份：您是指第一年和最后一年，还是任意两年之间的最大差异？您可以使用

df.pivot_表（索引=['CountryName'、'CountryCode'、'IndicatorName'、'IndicatorCode']，columns='year'，values='Value'）

，然后它应该像减去两列一样简单。（可以掩盖任何国家，你不关心的指标）谢谢，这正是我想要的。关于如何创建自定义agg的想法，以便最后一个和第一个年份是1990年和2015年，因为一些国家有1985年和2018年的数据，但我只希望25年的变化。我可以看到.agg可以使用lambda，但不确定如何访问“Years”，而.apply（）可以创建一个自定义函数，该函数不能将列转换为Years，但不确定建议使用的是什么。否则，我可能不会。立即融入此数据帧格式，并执行@ALollz建议的操作。我只知道其他的图形对于我正在做的其他事情来说是很容易的。