如何用Python Pandas按城市和产品计算行间销量差值？

1. 统一月份格式并排序 #

不管month字段的原始格式是字符串、数值还是其他日期格式，先将其转换为Pandas的年月时期类型，既能忽略格式差异，又能保证月份的正确排序：

import pandas as pd

# 自动识别多种日期格式，转换为年月时期
df['month'] = pd.to_datetime(df['month'], infer_datetime_format=True).dt.to_period('M')

# 按城市、产品、月份排序，确保每组内月份连续
df = df.sort_values(['city', 'product', 'month']).reset_index(drop=True)

2. 分组计算连续月份销量变化 #

利用Pandas的向量化分组操作，无需遍历行即可高效计算同城市同产品下的销量差值：

# 按city和product分组，用shift()获取上一行销量，计算差值
df['change'] = df.groupby(['city', 'product'])['sold'].apply(lambda x: x - x.shift(1))

核心细节说明 #

• 性能优势：groupby和shift()都是Pandas底层优化的向量化操作，处理百万级数据的效率远高于循环遍历。
• 格式兼容：pd.to_datetime的infer_datetime_format=True参数能自动识别绝大多数常见日期格式（如"202305"、"05/2023"、"May-2023"等），统一转换为时期类型后，完全不受原始格式影响。
• 空值处理：每组的第一行没有前置月份数据，change列会自动填充NaN，如果需要可以用df['change'] = df['change'].fillna(0)替换为空值。

示例效果 #

假设原始数据：

执行代码后得到：

内容的提问来源于stack exchange，提问作者Nicola Lepetit