pandas如何按条件为现有DataFrame新增last_year_price列

方法1：分组移位法（适合年份连续无断档场景，性能最优） #

• 核心逻辑：先按水果分组、组内按年份升序排序，再对价格列做向下移位1位，直接取同组上一行的价格作为上一年价格
• 实现代码：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'fruit': ['apple', 'apple', 'apple', 'plum', 'plum'],
    'year': [2018, 2019, 2020, 2019, 2020],
    'price': [4, 3, 5, 3, 2]
})

# 必须先按水果、年份排序，避免原表顺序错乱导致匹配错误
df = df.sort_values(by=['fruit', 'year']).reset_index(drop=True)
# 分组移位生成新列
df['last_year_price'] = df.groupby('fruit')['price'].shift(1)

• 运行后结果：

方法2：表连接匹配法（适合存在年份断档场景，匹配更严谨） #

• 核心逻辑：如果数据存在年份缺失（比如某水果没有2019年数据，直接从2018跳到2020），移位法会错误把2018年价格匹配给2020年，此时用左连接精准匹配「同水果、年份差为1」的价格即可避免错配
• 实现代码：

# 生成上一年价格对照表：年份+1后，原年份就对应当前年份的上一年
last_year_map = df[['fruit', 'year', 'price']].rename(columns={'price': 'last_year_price'})
last_year_map['year'] += 1
# 左连接匹配上一年价格
df = df.merge(last_year_map, on=['fruit', 'year'], how='left')

• 该方法不管年份是否连续，都能精准匹配到严格对应上一年的价格，无匹配数据时返回NaN，容错性更强。

内容的提问来源于stack exchange，提问作者gaba42