如何在Pandas中为DataFrame添加周度排名变化列？

问题分析 #

你需要按单个商品维度，计算每周排名相对上周的变化（公式：上周排名 - 当前排名），且第1周需做异常处理。你之前的代码错误在于尝试用行内条件匹配上周数据，这种逻辑无法定位到同商品的上一行数据，自然返回NaN。

正确实现方法 #

利用groupby+shift方法，无需逐行迭代，简洁高效：

1. 先确保数据按商品和周数排序（避免顺序错乱导致计算错误）
2. 按商品分组后，对ranking列执行shift(1)操作，获取同商品的上周排名
3. 按公式计算排名变化，最后对第1周的数据做异常处理

完整代码示例

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'item_name': ['test', 'test', 'apple', 'apple'],
    'ranking': [4, 3, 2, 1],
    'week_number': [1, 2, 1, 2]
})

# 1. 按商品和周数排序（关键：保证同商品的周数据连续且按顺序排列）
df = df.sort_values(by=['item_name', 'week_number']).reset_index(drop=True)

# 2. 分组获取上周排名
df['ranking_previous_week'] = df.groupby('item_name')['ranking'].shift(1)

# 3. 计算排名变化，第1周设为0（或NaN，根据需求调整）
df['ranking_evolution'] = df['ranking_previous_week'] - df['ranking']
df.loc[df['week_number'] == 1, 'ranking_evolution'] = 0  # 第1周异常处理，设为0

print(df)

输出结果

item_name  ranking  week_number  ranking_previous_week  ranking_evolution
0      apple        2            1                    NaN                0.0
1      apple        1            2                    2.0                1.0
2       test        4            1                    NaN                0.0
3       test        3            2                    4.0                1.0

关键说明 #

• groupby('item_name')['ranking'].shift(1)：将每个商品组内的ranking数据向下移动一行，刚好对应同商品的上周排名，第1周没有上周数据，所以返回NaN
• 异常处理可根据需求调整：比如把第1周的ranking_evolution设为NaN，只需把最后一行代码改成df.loc[df['week_number'] == 1, 'ranking_evolution'] = pd.NA

内容的提问来源于stack exchange，提问作者etieno