求Python函数：对DataFrame分组按周期逻辑计算Difference列

核心逻辑实现步骤 #

• 从Closing_time字段提取周期标识（如D-0、D+1）
• 按Cost_centre、Account、Year、Month分组，计算每个周期内最大Closing_time对应的Amount
• 对周期排序，匹配每个周期的前置周期最大值
• 合并数据并计算每行的Difference

代码实现 #

假设你的数据集存储在名为df的Pandas DataFrame中，执行以下代码：

import pandas as pd

# 1. 从Closing_time提取周期标识（适配类似"2023-10-01 D-0 18 CST"的格式）
df['Period'] = df['Closing_time'].str.extract(r'(D[+-]\d+)')

# 2. 将周期转换为可排序的数值，确保周期顺序正确（如D-0 < D+1 < D+3）
def period_to_numeric(period):
    if '-' in period:
        sign = -1
        num = int(period.split('-')[-1])
    else:
        sign = 1
        num = int(period.split('+')[-1])
    return sign * num

df['Period_num'] = df['Period'].apply(period_to_numeric)

# 3. 转换Closing_time为datetime类型（若原始数据是字符串）
df['Closing_time'] = pd.to_datetime(df['Closing_time'], format='%Y-%m-%d %H %Z')

# 4. 分组计算每个周期的最大Amount（取该周期内Closing_time最大的行对应的Amount）
period_max_df = df.groupby(['Cost_centre', 'Account', 'Year', 'Month', 'Period']).apply(
    lambda group: group.loc[group['Closing_time'].idxmax(), 'Amount']
).reset_index(name='Period_Max')

# 5. 为每个组内的周期排序，并匹配前置周期的最大值
period_max_df['Period_num'] = period_max_df['Period'].apply(period_to_numeric)
period_max_df = period_max_df.sort_values(
    by=['Cost_centre', 'Account', 'Year', 'Month', 'Period_num']
)
period_max_df['Prev_Period_Max'] = period_max_df.groupby(
    ['Cost_centre', 'Account', 'Year', 'Month']
)['Period_Max'].shift(1)

# 6. 合并回原DataFrame，计算Difference列
df = df.merge(
    period_max_df[['Cost_centre', 'Account', 'Year', 'Month', 'Period', 'Prev_Period_Max']],
    on=['Cost_centre', 'Account', 'Year', 'Month', 'Period'],
    how='left'
)
df['Difference'] = df['Amount'] - df['Prev_Period_Max']

# 可选：清理临时生成的辅助列
df.drop(columns=['Period_num', 'Prev_Period_Max'], inplace=True)

关键说明 #

• 周期提取：通过正则表达式r'(D[+-]\d+)'精准匹配周期标识，若你的Closing_time格式不同，可调整正则表达式
• 周期排序：将周期转为数值（如D-0→0，D+1→1），确保分组内周期按业务逻辑排序
• 前置周期匹配：用shift(1)在分组内获取前一个周期的最大值，无前置周期的行自动得到NaN，计算后Difference即为NaN，符合需求

内容的提问来源于stack exchange，提问作者rajank24