如何使用Pandas按时间计算同TaxID资产的售价差额

针对你拥有的8000条交易记录DataFrame，要计算同一TaxID下各次交易的售价差额，可按照以下步骤用Pandas实现：

• 第一步：转换日期列格式
  先确保「销售日期」列是datetime类型，避免排序逻辑出错：

  import pandas as pd
  df['销售日期'] = pd.to_datetime(df['销售日期'])
  

• 第二步：按TaxID分组并按日期排序
  对同一TaxID的交易按销售日期升序排列，保证交易顺序正确：

  df_sorted = df.sort_values(by=['TaxID', '销售日期']).reset_index(drop=True)
  

• 第三步：计算售价差额
  通过shift()方法获取同一TaxID组内上一次交易的售价，再与当前售价做差，得到每次交易和前一次的售价差额：

  df_sorted['售价差额'] = df_sorted.groupby('TaxID')['售价'].transform(lambda x: x - x.shift(1))
  

  注：每个TaxID下的第一次交易对应的「售价差额」会是NaN，因为没有前序交易可以对比，这属于合理结果。

处理完成后，df_sorted会保留所有原始字段，并新增「售价差额」列，清晰展示每笔转售和上一次交易的价格差，多次转售的资产也会依次计算每一次的差额。

内容的提问来源于stack exchange，提问作者Rob Thompson