不要使用iterrows，而是使用矢量方法：

# identify rows with "xxx"
m = df['Tag'].ne('xxx')

# set up grouper for Tag and successive xxx
g = df.groupby(m.cumsum())['Amount'].transform

# assign difference on "xxx" rows
df.loc[~m, 'NewColumn'] = g('max')-g('min')

输出：

Id  Tag  Amount  NewColumn
0   1    2    3.75        NaN
1   2  xxx   15.00      11.25
2   3    4    4.00        NaN
3   4  xxx   14.00      10.00
4   5    6    5.00        NaN
5   6  xxx   15.50      10.50

如果"xxx"是变量字符串

# keep only numeric Tags
s = pd.to_numeric(df['Tag'], errors='coerce')

# set up grouper for Tag and successive ones
g = df.groupby(s.ffill())['Amount'].transform

# assign difference on non Tag rows
df.loc[s.isna(), 'NewColumn'] = g('max')-g('min')

示例：

Id  Tag  Amount  NewColumn
0   1    2    3.75        NaN
1   2  abc   15.00      11.25
2   3    4    4.00        NaN
3   4  def   14.00      10.00
4   5    6    5.00        NaN
5   6  ghi   15.50      10.50

由于我无法编辑我的问题，我想贡献与此更新，使我的第二个表可读性。
| 身份证|标签|金额|新建列|
| - ------|- ------|- ------|- ------|
| 1个|第二章|三点七五|NaN或0，或仅为Amount中的值|
| 第二章|某某|十五|十一时二十五分|
| 三个|四个|四个|NaN或0，或仅为Amount中的值|
| 四个|某某|十四|十个|
| 五个|六个|五个|NaN或0，或仅为Amount中的值|
| 六个|某某|十五点五|十点五|
我还要补充一点，我不能简单地对这些交易应用单一的增值税百分比，因为这些交易的增值税不同。
此外，也不期望这里出现“完美”关系，即对应的行将彼此紧接。

你的尝试接近真相：

import pandas as pd

df = pd.DataFrame({'Id': [1, 2, 3, 4, 5, 6],
                   'Tag': [2, 'xxx', 4, 'xxx', 6, 'xxx'],
                   'Amount': [3.75, 15, 4, 14, 5, 15.5]})

# create empty column for new values
df['NewColumn'] = None

for index, row in df.iterrows():
    if isinstance(row['Tag'], int):
        matching_row = df.loc[df['Id'] == row['Tag']]
        if not matching_row.empty:
            new_value = matching_row.iloc[0]['Amount'] - row['Amount']
            df.at[index, 'NewColumn'] = new_value

df['NewColumn'].fillna(0, inplace=True)
print(df)

退货

Id  Tag  Amount  NewColumn
0   1    2    3.75      11.25
1   2  xxx   15.00       0.00
2   3    4    4.00      10.00
3   4  xxx   14.00       0.00
4   5    6    5.00      10.50
5   6  xxx   15.50       0.00

• • 编辑**

如果最后一列的所有值都为0，这意味着ID是一个字符串，因此，我建议在应用该方法之前将它们转换为Int：

import pandas as pd

df = pd.DataFrame({'Id': [1, 2, 3, 4, 5, 6],
                   'Tag': [2, 'xxx', 4, 'xxx', 6, 'xxx'],
                   'Amount': [3.75, 15, 4, 14, 5, 15.5]})
df['Id'] = df['Id'].astype(int)
print(df.info())
# create empty column for new values
df['NewColumn'] = None

for index, row in df.iterrows():
    if isinstance(row['Tag'], int):
        matching_row = df.loc[df['Id'] == row['Tag']]
        if not matching_row.empty:
            new_value = matching_row.iloc[0]['Amount'] - row['Amount']
            df.at[index, 'NewColumn'] = new_value

df['NewColumn'].fillna(0, inplace=True)
print(df.info())

这给了你你所期望的。你当然可以在之后把它们转换回字符串。