如何用Pandas Shift函数高效获取客户上次购买价格（无需Join）

你可以直接通过**分组后对price列使用shift(1)**实现需求，全程不需要Join操作，代码简洁且效率更高：

步骤与代码示例 #

import pandas as pd

# 构造原始数据表
data = {
    'customer_id': ['a', 'b', 'c', 'a', 'b', 'a'],
    'date': ['4/11/2022', '5/11/2022', '5/11/2022', '6/11/2022', '6/11/2022', '7/11/2022'],
    'price': [10, 20, 30, 20, 20, 30]
}
df = pd.DataFrame(data)

# 可选但推荐：将日期列转为datetime类型，确保分组内记录按时间排序
df['date'] = pd.to_datetime(df['date'], format='%d/%m/%Y')

# 核心操作：分组后对price列执行shift，生成上次购买记录
df['last_purchase'] = df.groupby('customer_id')['price'].shift(1)

# 可选：将日期转回原字符串格式
df['date'] = df['date'].dt.strftime('%d/%m/%Y')

print(df)

关键说明 #

• groupby('customer_id')['price'].shift(1)会在每个客户的独立分组内，把price列的数值向下偏移一行：当前行的last_purchase自动对应同一客户上一条记录的price，首次购买记录则填充NaN，完全匹配目标表要求。
• 转换日期为datetime类型是为了避免字符串排序导致的时间顺序错误，确保分组内的记录严格按购买时间排列。

运行上述代码后，输出结果即为你需要的目标数据表。

内容的提问来源于stack exchange，提问作者TheTwo