Python中计算费率变更前后Price列平均值（排除变更当月）

需求说明 #

针对给定DataFrame完成以下操作：

• 按**客户（若含产品ID则按客户+产品ID）**分组，计算费率（Rate）变更前后Price列的平均值
• 排除费率变更当月的数值，不纳入前后平均值计算（例如XY Ltd8月变更费率，变更前取6、7月数据平均，变更后取9、10月数据平均）
• 新增两列：
  1. New Column：对应行所属阶段的平均值（变更前填变更前平均，变更当月填0，变更后填变更后平均）
  2. New column 2：统一为「变更后平均值 - 变更前平均值」的差值，同一分组内所有行取值一致

已尝试代码（无法满足需求） #

用户尝试了以下代码，但无法实现排除变更当月的逻辑，也无法计算前后差值：

df['New Column'] =  df.groupby(['Client', 'Rate'])['Price'].transform('mean')

示例数据 #

期望输出 #

补充样本数据（含Prod ID） #

解决方案代码 #

核心逻辑 #

1. 转换日期格式并分组识别费率变更的日期
2. 标记每行数据所属的阶段（变更前、变更当月、变更后）
3. 分别计算各分组的变更前、变更后Price平均值
4. 映射填充目标列，计算差值

完整代码 #

import pandas as pd

# 示例数据读取（实际使用时替换为你的数据加载方式）
df = pd.DataFrame({
    'Date': ['2022-06-01', '2022-07-01', '2022-08-01', '2022-09-01', '2022-10-01',
             '2022-06-01', '2022-07-01', '2022-08-01', '2022-09-01', '2022-10-01'],
    'Client': ['XY Ltd']*5 + ['ZZ Inc']*5,
    'Rate': [1.5, 1.5, 3.0, 3.0, 3.0, 1.6, 1.6, 4.0, 4.0, 4.0],
    'Price': [5,6,10,-3,-5,3,4,12,-4,-6]
})

# 1. 处理日期列
df['Date'] = pd.to_datetime(df['Date'])

# 2. 设置分组键：若使用含Prod ID的数据集，改为group_keys = ['Client', 'Prod ID']
group_keys = ['Client']

# 3. 找出每个分组内的费率变更日期
def get_change_date(group):
    group = group.sort_values('Date')
    # 标记Rate发生变化的行
    group['Rate_Change'] = group['Rate'].ne(group['Rate'].shift())
    # 取第一个变更的日期（排除初始行的默认变化标记）
    change_dates = group[(group['Rate_Change']) & (group.index != group.index[0])]['Date']
    return change_dates.iloc[0] if not change_dates.empty else None

change_dates = df.groupby(group_keys).apply(get_change_date).reset_index(name='Change_Date')
df = df.merge(change_dates, on=group_keys, how='left')

# 4. 标记数据所属阶段
df['Stage'] = pd.cut(
    df['Date'],
    bins=[pd.Timestamp.min, df['Change_Date'], pd.Timestamp.max],
    labels=['Before', 'Change_Month', 'After'],
    include_lowest=True
)
# 无变更的分组统一标记为变更前
df.loc[df['Change_Date'].isna(), 'Stage'] = 'Before'

# 5. 计算变更前后的平均值
before_mean = df[df['Stage'] == 'Before'].groupby(group_keys)['Price'].mean().reset_index(name='Before_Mean')
after_mean = df[df['Stage'] == 'After'].groupby(group_keys)['Price'].mean().reset_index(name='After_Mean')

df = df.merge(before_mean, on=group_keys, how='left')
df = df.merge(after_mean, on=group_keys, how='left')

# 6. 填充目标列
df['New Column'] = df.apply(
    lambda x: x['Before_Mean'] if x['Stage'] == 'Before'
    else (x['After_Mean'] if x['Stage'] == 'After' else 0.0),
    axis=1
)
# 无变更的分组差值为0
df['New column 2'] = df['After_Mean'].fillna(0) - df['Before_Mean'].fillna(0)

# 整理输出列顺序
df = df[['Date', 'Client', 'Rate', 'Price', 'New Column', 'New column 2']]

print(df)

适配含Prod ID的数据集 #

只需将代码中的group_keys改为：

group_keys = ['Client', 'Prod ID']

即可实现按客户+产品ID分组处理，适配补充样本数据的场景。

内容的提问来源于stack exchange，提问作者ross jim