在df中根据每天更改的列在df中执行计算

，可以使用pandas库来完成这个任务。首先，我们需要理解一些基本概念和术语。

数据框（DataFrame）是pandas库中最重要的数据结构之一，它是一个二维标记的数据结构，类似于电子表格或SQL表。数据框由行和列组成，每列可以包含不同的数据类型（如整数、浮点数、字符串等）。

在这个任务中，我们需要根据每天更改的列在数据框中执行计算。具体而言，我们需要确定哪些列是每天更改的，然后对这些列进行计算。这可以通过以下步骤完成：

首先，使用pandas库中的read_csv()函数或其他适用的函数从文件或其他数据源中加载数据，并将其转换为数据框。
然后，使用数据框的列操作函数（如df.columns）来获取所有列的列表。
接下来，根据每天更改的列的特定规则或标记，筛选出需要进行计算的列。例如，可以根据列名中包含的日期信息来确定哪些列是每天更改的。
确定需要进行计算的列之后，使用数据框的计算函数（如df.sum()、df.mean()等）对这些列进行计算。根据具体需求，可以选择不同的计算方法。

下面是一个示例代码，演示了如何根据每天更改的列在数据框中执行计算：

import pandas as pd

# 1. 从文件或其他数据源中加载数据并转换为数据框
df = pd.read_csv('data.csv')

# 2. 获取所有列的列表
columns = df.columns.tolist()

# 3. 筛选出每天更改的列
# 假设每天更改的列名称以'day_'开头，后面跟着日期信息，例如'day_20220101'
daily_changed_columns = [col for col in columns if col.startswith('day_')]

# 4. 执行计算
# 以求和为例，使用数据框的sum()函数对每天更改的列进行求和计算
result = df[daily_changed_columns].sum()

# 打印计算结果
print(result)

在这个例子中，我们假设数据框中每天更改的列以'day_'开头，并且使用数据框的sum()函数对这些列进行求和计算。你可以根据实际需求选择其他计算方法，以及适用于不同列类型的计算函数。

以上是根据每天更改的列在df中执行计算的方法。当然，在实际场景中，可能还需要考虑更多因素，如数据的准确性、计算的效率等。根据具体需求，可以选择不同的方法和工具来完成这个任务。