pandas DataFrame 是数据分析和处理的强大工具。在许多场景下，我们需要对 DataFrame 中的数据进行行间计算。本文将介绍如何使用 pandas 计算 DataFrame 中相邻两行的商，并将结果存储在新的一列中。
首先，我们创建一个示例 DataFrame：
import pandas as pd
data = {'A': [2, 6, 12]}
df = pd.DataFrame(data)
print(df)输出：
A 0 2 1 6 2 12
我们的目标是创建一个新列 'B'，其中 'B' 列的每一行是 'A' 列的下一行除以当前行的值。例如，'B' 列的第一行应该是 6/2 = 3，第二行应该是 12/6 = 2，第三行应该是 NaN（因为 'A' 列没有下一行）。
一种实现方式是使用 shift() 函数将 'A' 列向上移动一行，然后进行除法运算，最后再将结果向下移动一行：
df['B'] = df['A'] / df['A'].shift(1) df['B'] = df['B'].shift(-1) print(df)
输出：
A B 0 2 3.0 1 6 2.0 2 12 NaN
这段代码首先计算 'A' 列除以向上移动一行的 'A' 列的值。这会产生以下中间结果：
A B 0 2 NaN 1 6 3.000000 2 12 2.000000
然后，将 'B' 列向下移动一行，得到最终结果。
另一种更简洁的实现方式是使用 shift(-1) 将 'A' 列向下移动一行，然后使用 div() 函数进行除法运算：
df['B']= df['A'].shift(-1).div(df['A']) print(df)
输出：
A B 0 2 3.0 1 6 2.0 2 12 NaN
这段代码的功能与前面的代码相同，但更加简洁易懂。shift(-1) 将 'A' 列向下移动一行，div(df['A']) 将移动后的 'A' 列除以原始的 'A' 列。
注意事项：
- shift() 函数会引入 NaN 值。在计算行间商时，需要注意处理 NaN 值，例如使用 fillna() 函数填充 NaN 值，或者使用 dropna() 函数删除包含 NaN 值的行。
- 当DataFrame为空时，上述代码会抛出异常，因此在使用前需要判断DataFrame是否为空。
总结：
本文介绍了两种使用 pandas DataFrame 计算相邻行商的方法。shift() 函数和 div() 函数是 pandas 中处理行间计算的强大工具。选择哪种方法取决于具体的应用场景和个人偏好。在实际应用中，需要根据数据的特点和计算需求，灵活运用这些技巧。
