Pandas DataFrames非常适合操作列具有不同数据类型的表类数据。
如果列和行之间的减法都有意义，那么这意味着所有的值都是相同的数量。这可能表明你应该使用NumPy数组而不是Pandas DataFrame。
在任何情况下，您都可以使用arr = df.values从DataFrame中提取底层数据的NumPy数组。如果所有列共享相同的dtype，则NumPy数组将具有相同的dtype。（当列具有不同的dtype时，df.values具有object dtype）。
然后，您可以使用np.diff(arr, axis=...)计算沿着行或列的差异：

import numpy as np
import pandas as pd

df = pd.DataFrame(np.arange(12).reshape(3,4), columns=list('ABCD'))
#    A  B   C   D
# 0  0  1   2   3
# 1  4  5   6   7
# 2  8  9  10  11

np.diff(df.values, axis=0)    # difference of the rows
# array([[4, 4, 4, 4],
#        [4, 4, 4, 4]])

np.diff(df.values, axis=1)    # difference of the columns
# array([[1, 1, 1],
#        [1, 1, 1],
#        [1, 1, 1]])

字符串

只是不同的列，例如。

df['new_col'] = df['a'] - df['b']

字符串
对于多列，我相信unutbu的答案是最好的（尽管它返回一个np.ndarray对象而不是一个嵌套框架，但即使在将其转换为嵌套框架之后，它仍然更快）。

# Create a large dataframe.
df = pd.DataFrame(np.random.randn(1e6, 100))

%%timeit
np.diff(df.values, axis=1)

1 loops, best of 3: 450 ms per loop

%%timeit
df - df.shift(axis=1)

1 loops, best of 3: 727 ms per loop

%%timeit
df.T.diff().T

1 loops, best of 3: 1.52 s per loop

型

在diff中使用axis参数：

df = pd.DataFrame(np.arange(12).reshape(3, 4), columns=list('ABCD'))
#    A  B   C   D
# 0  0  1   2   3
# 1  4  5   6   7
# 2  8  9  10  11

df.diff(axis=1)            # subtracting column wise
#    A    B   C   D
# 0  NaN  1   1   1
# 1  NaN  1   1   1
# 2  NaN  1   1   1

df.diff()                  # subtracting row wise
#    A    B     C     D
# 0  NaN  NaN   NaN   NaN
# 1  4    4     4     4
# 2  4    4     4     4

字符串