使用 lambda 和 diff 替代 pandas groupby

Question

假设我在下面有df ：

    ID  V
0   A   1
1   A   2
2   B   4
3   B   3

所需的 output 是：

    V
0   NaN
1   1.0
2   NaN
3   -1.0

这可以使用groupby和lambda和diff来完成：

df.groupby('ID').apply(lambda x: x.diff())

我正在尝试提出一个不依赖于lambda的解决方案，因为这很快就会变得非常慢。 有任何想法吗？

更新

(1) 使用groupby 、 lambda和diff与 (2) 仅使用groupby和diff之间的性能比较：

1

3.67 ms ± 238 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

2

2.42 ms ± 20.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 1

使用.agg并传递diff

 df.groupby('ID')['V'].agg('diff')

0    NaN
1    1.0
2    NaN
3   -1.0

Answer 2

好吧，在这种情况下， groupby 对象直接支持diff ：

>>> df
  ID  V
0  A  1
1  A  2
2  B  4
3  B  3
>>> df.groupby('ID').diff()
     V
0  NaN
1  1.0
2  NaN
3 -1.0
>>>

但我不确定这是否真的会提高你的表现。 在列上使用.apply ，即在第一个轴上，不应该比上面慢，它基本上是等价的（不像.apply上使用）。