Python 按数据分组并进行计算

我有一个如下所示的数据框，我根据B列的值对数据框重新排序

a=df.sort（['B'，'a']，升序=[True，False]）

然后，当A列相同时，我想计算B列中每个元素之间的差值。但如果列A仅包含单个数据点，则结果将为零

因此，首先我使用了

groupby（）

来实现这一点

b=a['b'].groupby（df['a']）

然后我卡在这里，我知道我可以使用

lambda x:abs（x[I]-x[I+1]）

甚至

apply（）

函数来完成计算。但我还是没能完成

有人能给我一个提示或建议吗

# What I want to see in the result
A,B
a,0
b,0
c,0
d,0  # 5 minus 5
d,1  # 6 minus 5
d,1  # 7 minus 6
d,2  # 9 minus 7

---

在单成员组和多成员组情况下，采用

diff

将为第一个值生成一个nan，我们可以

fillna

使用0：

>>> df["B"] = df.groupby("A")["B"].diff().fillna(0)
>>> df
   A  B
0  a  0
1  b  0
2  c  0
3  d  0
4  d  1
5  d  1
6  d  2

这假设您想要保留的NAN尚未存在。如果需要，我们仍然可以做到这一点。

您可以做到：

df.groupby(level="A").B.diff().fillna(0)

A
a    0
b    0
c    0
d    0
d    1
d    1
d    2

---

“5减5”位是一种需要处理的特殊情况，你真的需要它吗？谢谢你的回答，如果数据是第一个（最小的）数据，我只想保持它为零，就像单个数据点一样。好吧，如果你有一个很好的理由，我不会反驳你比我快！

df.groupby(level="A").B.diff().fillna(0)

A
a    0
b    0
c    0
d    0
d    1
d    1
d    2