本文介绍如何在 Pandas DataFrame 中对某一列执行 diff() 行差计算，并结合条件逻辑（例如：当原始数据为 0 时，将差值强制设为 0 或 NaN），避免直接使用 apply 导致的标量/向量不匹配错误。
本文介绍如何在 pandas dataframe 中对某一列执行 `diff()` 行差计算，并结合条件逻辑（例如：当原始数据为 0 时，将差值强制设为 0 或 nan），避免直接使用 `apply` 导致的标量/向量不匹配错误。
在数据分析中，常需计算时间序列或有序数据中相邻行的差值（如增量、变化量），Pandas 提供了便捷的 .diff() 方法实现该操作。但若需引入业务规则——例如“仅对非零数据计算差值，遇到原始值为 0 的行，其对应差值统一置为 0（或 NaN）”——则不能简单套用 .diff()，也不能误用 apply() 对单个元素做全局运算（如原问题中 df.data.diff() 在 lambda 内被重复调用，会引发长度不匹配或类型错误）。
正确做法是先完成全量差值计算，再按条件批量覆盖结果。以下是两种推荐方案，均高效、向量化、可读性强：
✅ 方案一：使用 Series.mask()（推荐）
mask() 方法可在满足布尔条件的位置替换为指定值，天然适配此场景：
import pandas as pd
df = pd.DataFrame({'data': [10, 20, 0, 25, 0, 0, 30, 25, 40]})
df['diff'] = df['data'].diff().mask(df['data'] == 0, 0)
print(df)输出：
data diff 0 10 NaN 1 20 10.0 2 0 0.0 3 25 25.0 4 0 0.0 5 0 0.0 6 30 30.0 7 25 -5.0 8 40 15.0
? mask(cond, other) 表示：当 cond 为 True 时，用 other 替换原值；此处 df['data'] == 0 定位所有原始值为 0 的行，将其差值统一设为 0。
✅ 方案二：使用 np.where()
更通用的三元条件选择，语义清晰：
import numpy as np df['diff'] = np.where(df['data'] == 0, 0, df['data'].diff())
效果完全一致。若需将零值位置设为 NaN（而非 0），只需将 0 改为 np.nan：
df['diff'] = np.where(df['data'] == 0, np.nan, df['data'].diff())
⚠️ 注意事项
- ❌ 避免 df['data'].apply(lambda x: 0 if x==0 else df['data'].diff())：apply 按元素调用，而 df['data'].diff() 返回整个 Series，导致标量与向量混用，报错 ValueError: The truth value of a Series is ambiguous。
- ✅ .diff() 默认计算前一行到当前行的差（即 x[i] - x[i-1]），首行结果恒为 NaN，此行为不可更改，但可通过 fillna() 后续处理。
- ? 条件判断应作用于原始列（如 df['data']），而非差值列，否则逻辑失效（例如第 2 行 data=0 → diff 应为 0，而非根据 diff=-20 做判断）。
综上，通过“先 diff，后 mask/where”的两步向量化策略，既能保持性能，又能精准嵌入业务规则，是 Pandas 条件差分计算的标准实践。
