我有一个包含大约200个功能和3000行的数据框。这些数据样本记录在不同的时间，基本上每月一次，如下面“col101”中的示例所示：
0 col1 (id) col2. col3 …. col100 col101 (date) … col2000 (target value)
1 001 653. 675 …. 343.3 01-02-2017. … 1
2 001 673. 432 …. 387.3 01-03-2017. … 0
3 001 679. 528 …. 401.2 01-04-2017. … 1
4 001 685 223 …. 503.4 01-05-2017. … 1
5 002 343 428 …. 432.5 01-02-2017. … 0
6 002 479. 421 …. 455.3 01-03-2017. … 0
7 … … … …. … …. … ..
在这些功能中，一些是累积数据，因此在每个月它们的值都会增加。例如，col2和col100是我的数据框中的累积要素。所以我想为每个累积功能添加一个列，与上个月相比有所不同。所以我想要的数据框应该是这样的：
0 col1 (id) col2. col2c …. col100 col100c col101 (date) … col2000 (targeva)
1 001 653. 653 …. 343.3 343.3 01-02-2017. … 1
2 001 673. 23 …. 387.3 44 01-03-2017. … 0
3 001 679. 6 …. 401.2 13.9 01-04-2017. … 1
4 001 685 6 …. 503.4 102.2 01-05-2017. … 1
5 002 343 343 …. 432.5 432.5 01-02-2017. … 0
6 002 479. 136 …. 455.3 23.2 01-03-2017. … 0
7 … … … …. … …. … ..
现在，我有两个问题：1）如何自动识别具有200个功能的累积功能？以及如何为每个累积属性添加额外的功能（例如，col22c和col100c）？有谁知道我怎么能处理这个？
关于区分两列，您可以使用pandas内置的diff()函数。 diff()计算每个元素与前一个元素的差异。但请注意，因为第一个元素没有任何前一个元素，所以diff()结果中的第一个元素将是NaN。所以我们使用内置函数dropna()来删除所有NaN值。
但至于检测累积列，我认为没有任何办法。您可以找到所有始终增加的列（单调），但这并不意味着它们必然是累积的。
无论如何，为了检测单调列，你可以先得到他们的diff().dropna()，然后检查是否所有这些值都是正数：
df = some_data_frame
col_diff = df['some_column'].diff().dropna()
is_monotonic = all(col_diff > 0)
请注意，如果你忘记了dropna()，all(col_diff > 0)的结果将始终是False（因为NaN是一个Falsy值）