如何在Pandas中基于前一行销售额与增长率计算替换目标行销售额？

基础单分类场景 #

针对你提供的示例数据，无需循环，可通过以下两种高效方式实现需求：

方式1：精准替换2022年的销售额

直接定位2021年的销售额和2022年的增长率，计算后替换目标值：

import pandas as pd

y = pd.DataFrame({
    "year": [2018,2019, 2020, 2021, 2022],
    "sales" : [100, 128, 99, 122, 0],
    "gth": [0,0,0,0,0.11]
})

# 获取2021年销售额和2022年增长率
sales_2021 = y.loc[y['year'] == 2021, 'sales'].iloc[0]
gth_2022 = y.loc[y['year'] == 2022, 'gth'].iloc[0]

# 替换2022年销售额
y.loc[y['year'] == 2022, 'sales'] = sales_2021 * (1 + gth_2022)
print(y)

方式2：通用适配所有销售额为0的年份

如果数据中所有sales=0的行都需要用上一年销售额计算，可结合shift()和np.where()实现向量化替换（效率更高，适合大数据集）：

import pandas as pd
import numpy as np

y = y.sort_values('year')  # 确保数据按年份排序
y['sales'] = np.where(
    y['sales'] == 0,
    y['sales'].shift(1) * (1 + y['gth']),
    y['sales']
)
print(y)

多分类场景适配 #

如果数据集包含多分类（如不同产品/区域），只需通过groupby()按分类分组后，再执行shift()操作即可，同样无需循环：

import pandas as pd
import numpy as np

# 示例多分类数据
y_multi = pd.DataFrame({
    'category': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
    'year': [2018,2019,2020,2021,2022,2018,2019,2020,2021,2022],
    'sales': [100,128,99,122,0,80,90,85,95,0],
    'gth': [0,0,0,0,0.11,0,0,0,0,0.08]
})

# 按分类分组后，对每个组内的销售额做替换
y_multi['sales'] = np.where(
    y_multi['sales'] == 0,
    y_multi.groupby('category')['sales'].shift(1) * (1 + y_multi['gth']),
    y_multi['sales']
)
print(y_multi)

核心优势 #

上述方法均采用Pandas/Numpy的向量化操作，底层基于C语言实现，比Python原生循环效率提升数倍，完全适配大规模数据集的处理需求。

内容的提问来源于stack exchange，提问作者mg_dev