按客户和品类计算月度金额差异的Python代码问题排查

需要基于DataFrame按**客户（Name）和品类（Category）**计算月度金额（Amount）的差异，但当前代码存在问题：当客户首次出现某品类时，差异列（如第4行的DiffA）显示为0，而非正确的金额值1782207。推测原因是该客户上月无此品类数据导致代码失效。

原始代码：

df.sort_values(by=['Name','Category','Date'], inplace=True)
df['DiffB'] = df[df['Category'] == B].groupby('Name')['amount'].diff().fillna(0)
df['DiffA'] = df[df['Category'] == A].groupby('Name')['amount'].diff().fillna(0)

修复方案 #

问题根源 #

1. 原代码仅按Name分组，未将Category纳入分组键，导致不同品类的月度数据被混在一起计算差异
2. 首次出现的品类数据用fillna(0)直接替换了diff()返回的NaN，但实际首次出现的差异应等于当期金额（相当于从0到当期值的变化）

修复代码（推荐写法） #

# 确保数据按客户、品类、日期排序
df.sort_values(by=['Name', 'Category', 'Date'], inplace=True)

# 按客户+品类分组计算差异，首次出现的行用当期金额填充
df['Diff'] = df.groupby(['Name', 'Category'])['amount'].diff()
df['Diff'] = df['Diff'].fillna(df['amount'])

# 拆分出对应品类的差异列
df['DiffA'] = df['Diff'].where(df['Category'] == 'A', 0)
df['DiffB'] = df['Diff'].where(df['Category'] == 'B', 0)

另一种拆分处理的写法 #

如果需要单独处理每个品类的差异列：

df.sort_values(by=['Name','Category','Date'], inplace=True)

# 按客户+品类分组，首次出现时用当期金额填充差异
df['DiffA'] = df[df['Category'] == 'A'].groupby(['Name', 'Category'])['amount'].diff().fillna(df[df['Category'] == 'A']['amount'])
df['DiffB'] = df[df['Category'] == 'B'].groupby(['Name', 'Category'])['amount'].diff().fillna(df[df['Category'] == 'B']['amount'])

# 未匹配品类的行填充为0
df[['DiffA', 'DiffB']] = df[['DiffA', 'DiffB']].fillna(0)

关键修改点 #

• 分组键改为['Name', 'Category']，保证每个客户的每个品类独立计算月度差异
• 首次出现的品类数据，用当期amount替代NaN，而非填充0，符合业务逻辑

内容的提问来源于stack exchange，提问作者ross jim