本文详解如何使用 diff() 结合布尔掩码（如 mask() 或 np.where）实现条件化行间差值计算——当某列值为 0 时，将对应差值设为 0（或 NaN），避免直接应用 apply 导致的标量/序列不匹配错误。
本文详解如何使用 `diff()` 结合布尔掩码（如 `mask()` 或 `np.where`）实现条件化行间差值计算——当某列值为 0 时，将对应差值设为 0（或 nan），避免直接应用 `apply` 导致的标量/序列不匹配错误。
在 Pandas 数据分析中，DataFrame.diff() 是计算相邻行差值的常用方法，但其默认行为是全局计算，无法原生支持“仅对满足条件的行执行差值、其余行填充特定值”的需求。例如，当希望在 'data' 列值为 0 的位置强制将差值设为 0（而非 -20、-25 等真实变化量），直接在 apply 中混用标量判断与向量化操作会导致 ValueError（如 The truth value of a Series is ambiguous），因为 df.data.diff() 返回的是整个 Series，而 x == 0 中的 x 是单个标量——二者维度不兼容。
正确做法是先完成全量差值计算，再按条件覆盖结果。以下是两种高效、可读性强的推荐方案：
✅ 方案一：使用 Series.mask()（推荐）
mask() 方法可将满足布尔条件的位置替换为指定值（默认为 NaN），传入 other=0 即可实现“data==0 处设为 0”：
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
? 提示：df['data'].eq(0) 与 df['data'] == 0 功能等价，但 .eq() 在链式调用中更清晰；mask(cond, other) 表示“当 cond 为 True 时，用 other 替换原值”。
✅ 方案二：使用 numpy.where()
适用于需要更灵活三元逻辑（如混合数值、字符串或 np.nan）的场景：
import numpy as np df['diff'] = np.where(df['data'] == 0, 0, df['data'].diff())
该写法语义直白：“若 data 为 0，则填 0；否则填对应位置的 diff 值”。
⚠️ 注意事项与进阶技巧
- 首行差值恒为 NaN：diff() 默认对第 0 行返回 NaN，此行为不受条件逻辑影响，符合差分定义；
- 替换为 NaN 而非 0：若需将 data==0 的差值设为 NaN，直接省略 other 参数：df['data'].diff().mask(df['data'] == 0)；
- 多条件组合：可使用 &（且）、|（或）、~（非）构建复合条件，如 mask((df['data'] == 0) | (df['data'].isna()), 0)；
- 性能考量：两种方案均为向量化操作，远快于 apply + lambda，尤其在大数据集上优势显著。
通过先计算后掩码的范式，你既能保留 diff() 的高效性，又能精准控制异常值的处理逻辑——这是 Pandas 条件数据转换的经典实践模式。
