通过从以前的索引列计算，在pandas数据框中创建新列

Question

嗨，我是新手，学习大熊猫进行数据分析。我有2列数据

A   B
1   2   
2   3
3   4
4   5

我想创建第三列C，其结果将由B列计算，通过用当前值减去上限值并除以当前值。

A   B   C
1   2   
2   3   0.33
3   4   0.25
4   5   0.2

例如，C列的第一行值为空，因为没有大于2的值。

0.33 = > 3 - 2 / 3 , 
0.25 = > 4 - 3 / 4 ,
0.2 = > 5 - 4 / 5 and so on

我在获取当前列的上限值时被卡住了。需要帮助如何实现这一目标。

Answer 1

使用shift移动列，然后剩下的操作是常规操作（sub和div）：

df['B'].sub(df['B'].shift()).div(df['B'])
Out: 
0         NaN
1    0.333333
2    0.250000
3    0.200000
Name: B, dtype: float64

如果您愿意，也可以在不链接方法的情况下完成。

(df['B'] - df['B'].shift()) / df['B']
Out[48]: 
0         NaN
1    0.333333
2    0.250000
3    0.200000
Name: B, dtype: float64

Answer 2

编辑处理NaN和小数。

df['C'] = (1 - df.B.shift() / df.B).map(lambda x: '{0:.2f}'.format(round(x,2))).replace('nan','')

输出：

   A  B     C
0  1  2      
1  2  3  0.33
2  3  4  0.25
3  4  5  0.20

让我们使用shift简化并使用以下内容来获取之前的值：

df['C'] = 1 - df.B.shift() / df.B

输出：

   A  B         C
0  1  2       NaN
1  2  3  0.333333
2  3  4  0.250000
3  4  5  0.200000

Answer 3

或者您只需使用diff

即可

df2.B.diff()/df2.B
Out[545]: 
0         NaN
1    0.333333
2    0.250000
3    0.200000
Name: B, dtype: float64