（python）在数据帧中使用diff（）函数

如果当前行中的日期与前一行中的日期不同，如何使用func diff（）将结果重置为零

例如，我在下面的

df

中包含

ts

和

value

，当生成

value\u diff

时，我可以使用：

df['value_diff'] = df.value.diff()

但在这种情况下，索引4的行将具有

值\u diff=200

，我需要将其重置为零，因为日期已更改

i  ts                       value  value_diff
0  2019-01-02 11:48:01.001  100    0
1  2019-01-02 14:26:01.001  150    50
2  2019-01-02 16:12:01.001  75    -75
3  2019-01-02 18:54:01.001  50    -25
4  2019-01-03 09:12:01.001  250   0
5  2019-01-03 12:25:01.001  310   60
6  2019-01-03 16:50:01.001  45    -265
7  2019-01-03 17:10:01.001  30    -15

---

我知道我可以为它构建一个循环，但我想知道是否可以用一种更奇特的方法来解决它，也许可以使用lambda函数。

您想使用

groupby

然后

fillna

来获得0值

import pandas as pd

# Reading your example and getting back to correct format from clipboard
df = pd.read_clipboard()
df['ts'] = df['i'] + ' ' + df['ts']
df.drop(['i', 'value_diff'], axis=1, inplace=True) # The columns get misaligned from reading clipboard

# Now we have your original
print(df.head())

# Convert ts to datetime
df['ts'] = pd.to_datetime(df['ts'], infer_datetime_format=True)

# Add a date column for us to groupby
df['date'] = df['ts'].dt.date

# Apply diff and fillna
df['value_diff'] = df.groupby('date')['value'].diff().fillna(0)

---

旁注：“也许使用lambda函数”在pandas中并不被认为是“更有趣的”，因为这仍然会涉及一个缓慢的隐式循环。您想从

groupby

的角度来思考，这确实非常有用，不仅因为它完美地完成了我所需要的，而且还显示了所有的数据操作。