如何在Pandas DataFrame中为每个Name生成前一日Value列？

你的需求核心是按姓名分组，获取每组内前一天的数值，不需要额外生成Yesterday Date列再去匹配，用groupby结合shift就能高效解决，步骤如下：

最优方案：GroupBy + Shift #

这种方法是向量式操作，比apply或merge效率高得多，尤其适合大数据量：

import pandas as pd

# 确保Date列是datetime格式（你已经做过这步，这里再确认）
df["Date"] = pd.to_datetime(df["Date"])

# 1. 先按姓名、日期排序，保证每组内日期顺序正确
df = df.sort_values(by=["Name", "Date"])

# 2. 按姓名分组，对Value列执行shift(1)，得到前一行（即前一天）的数值
df["Yesterday Value"] = df.groupby("Name")["Value"].shift(1)

原理说明 #

• sort_values(["Name", "Date"])：把同一个姓名的行按日期从小到大排列，确保shift时取到的是前一天的数据（因为Date+Name唯一，每组内日期无重复）。
• groupby("Name")["Value"].shift(1)：对每个姓名组单独处理，shift(1)会把组内的Value向下移动一行，当前行就对应上一行的数值——也就是该姓名前一天的Value；如果某行是该姓名的最早日期，会填充NaN（符合逻辑，因为没有前一天的数据）。

保留原始行顺序的处理方式 #

如果不想改变原始DataFrame的行顺序，可以先保存索引，处理后再恢复：

# 保存原始索引
df = df.reset_index(drop=False)

# 排序、分组、生成新列
df = df.sort_values(by=["Name", "Date"])
df["Yesterday Value"] = df.groupby("Name")["Value"].shift(1)

# 恢复原始顺序并清理临时列
df = df.sort_values(by="index").drop("index", axis=1).reset_index(drop=True)

替代方案：Merge匹配（不推荐，效率低） #

如果你坚持用之前生成Yesterday Date的思路，也可以通过merge实现，但数据量大时性能不如上面的方法：

from datetime import timedelta

df["Date"] = pd.to_datetime(df["Date"])
df["Yesterday Date"] = df["Date"] + timedelta(days=-1)

# 创建临时表，把Date映射为Yesterday Date，Value映射为Yesterday Value
temp_df = df[["Name", "Date", "Value"]].rename(columns={
    "Date": "Yesterday Date",
    "Value": "Yesterday Value"
})

# 左连接匹配姓名和前一天日期
df = df.merge(temp_df, on=["Name", "Yesterday Date"], how="left")

为什么你的apply方法没成功？ #

apply(axis=1)是逐行遍历，需要对每行去查找对应姓名+前一天日期的行，不仅代码繁琐，而且时间复杂度是O(n²)，数据量大时会非常慢。而groupby+shift是基于Pandas的向量优化操作，时间复杂度接近O(n)，更简洁高效。

内容的提问来源于stack exchange，提问作者aheHkartA