基于Pandas Groupby统计各masterid的价格变更次数

可以通过分组后比较相邻价格实现需求，核心是结合groupby与shift、ne方法，具体步骤如下：

完整实现代码 #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'masterid': [1001, 1001, 1001, 1001, 1002, 1003, 1003, 1003, 1004, 1004],
    'price': [12, 12, 11, 14, 15, 10, 10, 10, 16, 17]
})

# 分组统计价格变更次数
result = df.groupby('masterid')['price'].apply(
    lambda x: x.ne(x.shift()).sum() - 1  # 减去第一行的无效计数
).reset_index(name='price')

print(result)

代码说明 #

• x.ne(x.shift())：在每个masterid分组内，将当前行价格与上一行比较，价格不同返回True（计为1），相同返回False（计为0）
• .sum() - 1：统计组内差异次数时，每组第一行的shift()结果为NaN，ne会误判为True，因此减1排除这个无效计数
• reset_index(name='price')：将分组后的索引转为列，并把统计结果列重命名为price

执行后输出：

masterid  price
0      1001      2
1      1002      0
2      1003      0
3      1004      1

内容的提问来源于stack exchange，提问作者Ash