如何用Pandas计算每个用户每月的数值（如UPL）变化

我曾查找过类似主题，但仅找到整体月度变化的实现方法。我需要按用户维度计算每月的数值变化（例如UPL），现有数据如下：

希望新增名为“UPL_change_by_month”的列，得到如下结果：

请问是否可以使用Pandas的aggfunc或shift函数实现该需求？

当然可以，用Pandas的shift()函数结合分组操作就能轻松实现，不需要用到aggfunc。具体实现步骤如下：

• 先将month列转换为日期类型，并按user_id和month排序，确保每个用户的月度数据按时间顺序排列
• 按user_id分组后，对UPL列使用shift(1)获取每个用户上一个月的UPL值
• 用当前月份的UPL减去上月UPL得到变化值，再将每个用户的第一个月份的变化值填充为0

代码示例 #

import pandas as pd

# 构造原始数据集
data = {
    'user_id': [1, 1, 2, 2, 1],
    'month': ['2022-01-01 00:00:00', '2022-02-01 00:00:00', '2022-01-01 00:00:00', '2022-02-01 00:00:00', '2022-03-01 00:00:00'],
    'UPL': [100, 200, 100, 50, 150]
}
df = pd.DataFrame(data)

# 转换日期格式并排序，保证数据时序正确
df['month'] = pd.to_datetime(df['month'])
df = df.sort_values(['user_id', 'month'])

# 分组计算月度UPL变化
df['UPL_change_by_month'] = df.groupby('user_id')['UPL'].transform(lambda x: x - x.shift(1))

# 填充首个月份的空值为0
df['UPL_change_by_month'] = df['UPL_change_by_month'].fillna(0).astype(int)

# 输出结果
print(df)

运行结果 #

执行代码后将得到符合预期的输出：

如果你的原始数据已经按user_id和month有序排列，可以跳过排序步骤，但保留排序能避免因数据混乱导致的计算错误。

内容的提问来源于stack exchange，提问作者Lukasz