如何按年、月分组获取员工上月薪资？

我来帮你搞定这个需求！你之前的问题主要是找错了分组维度，而且没处理好数据的排序和偏移逻辑。我们一步步来实现你想要的效果：

1. 先做基础的数据格式处理 #

首先得把带$的薪资转换成数值（方便后续计算），同时确保数据按员工、年份、月份正确排序——这是后续分组偏移的关键：

import pandas as pd

# 加载你的示例数据
data = [
    ["PersonA", 2001, 1, "$50000"],
    ["PersonB", 2001, 5, "$65000"],
    ["PersonB", 2002, 1, "$75000"],
    ["PersonB", 2002, 3, "$100000"],
    ["PersonC", 2002, 5, "$75000"],
    ["PersonC", 2002, 6, "$100000"],
    ["PersonC", 2003, 3, "$110000"],
    ["PersonC", 2003, 9, "$130000"],
    ["PersonC", 2004, 3, "$150000"],
    ["PersonC", 2005, 3, "$200000"]
]
df = pd.DataFrame(data, columns=["Employee", "year", "month", "Salary"])

# 去掉$符号，转换薪资为整数
df["Salary_num"] = df["Salary"].str.replace("$", "").astype(int)
# 按员工、年份、月份排序，保证顺序正确
df = df.sort_values(by=["Employee", "year", "month"]).reset_index(drop=True)

2. 分组获取上一条记录的薪资 #

你的核心需求是每个员工的上一条薪资记录（第一条记录填0），用groupby+shift(1)就能完美实现：

# 按Employee分组，shift(1)取上一行的薪资，空值（第一条记录）填0
df["previous_month_salary_num"] = df.groupby("Employee")["Salary_num"].shift(1).fillna(0)

# 把数值转回带$的格式，0保持原样
df["previous month salary"] = df["previous_month_salary_num"].apply(lambda x: f"${int(x)}" if x != 0 else 0)

# 整理成你需要的最终列结构
final_df = df[["Employee", "year", "month", "Salary", "previous month salary"]]
print(final_df)

运行这段代码后，就能得到你想要的结果：

Employee  year  month   Salary previous month salary
0    PersonA  2001      1  $50000                     0
1    PersonB  2001      5  $65000                     0
2    PersonB  2002      1  $75000                $65000
3    PersonB  2002      3 $100000                $75000
4    PersonC  2002      5  $75000                     0
5    PersonC  2002      6 $100000                $75000
6    PersonC  2003      3 $110000               $100000
7    PersonC  2003      9 $130000               $110000
8    PersonC  2004      3 $150000               $130000
9    PersonC  2005      3 $200000               $150000

3. 针对真实数据的补充方案 #

如果你的真实数据每个员工每个月都有完整记录，上面的方法依然适用。要是你想严格匹配“上月的年月”（避免排序可能出现的问题），可以把年月转换成日期后再合并：

# 生成每月第一天的日期列
df["date"] = pd.to_datetime(df[["year", "month"]].assign(day=1))
# 计算上月日期
df["prev_date"] = df["date"] - pd.DateOffset(months=1)

# 合并对应员工上月的薪资
prev_salary_map = df[["Employee", "date", "Salary_num"]].rename(
    columns={"date": "prev_date", "Salary_num": "previous_month_salary_num"}
)
df = df.merge(prev_salary_map, on=["Employee", "prev_date"], how="left")

# 处理空值和格式
df["previous_month_salary_num"] = df["previous_month_salary_num"].fillna(0)
df["previous month salary"] = df["previous_month_salary_num"].apply(lambda x: f"${int(x)}" if x != 0 else 0)

# 整理最终列
final_df = df[["Employee", "year", "month", "Salary", "previous month salary"]]

这个方法更严谨，能精准匹配到每个员工的上月薪资，不管数据排序情况如何。

内容的提问来源于stack exchange，提问作者kspmm