试从下面来理解“前减”

b2 = a2 - a1
b3 = a3 - b2 = a3 - a2 + a1
b4 = a4 - b3 = a4 - a3 + a2 - a1
b5 = a5 - b4 = a5 - a4 + a3 - a2 + a1

所以我们就这么做了

s = np.arange(len(df))%2
s = s + s - 1
df['new'] = np.tril(np.multiply.outer(s,s)).dot(df.col2)
Out[47]: array([10, 13,  8,  7])

下面是一个简单的纯Pandas（不需要导入numpy）方法，这是一个更直接的概念，易于从代码中理解，无需额外的解释：
我们首先定义一个函数，它将完成所需的工作：

def ssf(val):
    global last_val
    last_val = val - last_val
    return last_val

使用上面的函数，创建新列的代码将是：

last_val = 0
df['new'] = df.col2.apply(ssf)

让我们比较一下纯Pandas方法与另一个答案中的numpy方法所使用的函数/方法的数量。
Pandas方法使用2个函数/方法：ssf（）和.apply（）和1操作：简单减法。
numpy方法使用5个函数/方法：.arange（）、len（）、.tril（）、.multiply、.outer（）和.dot（）以及3操作：数组加法、数组减法和模除法。