Pandas三级MultiIndex匹配两层索引后计算数值列月度环比差

核心逻辑：你的需求本质是固定Bucket、Salary两个维度不变，按时间维度（Date）做相邻行差分，直接利用MultiIndex的层级分组即可实现，不需要手动遍历索引。

前置操作 #

先保证DataFrame索引按规则排序，确保每个(Bucket, Salary)分组下的Date为升序排列：

summary = summary.sort_index()

MultiIndex的sort_index()默认按层级从外到内升序排列，排序后完全符合差分的时间顺序要求。

实现代码 #

单字段单独计算（以Price为例） #

# 按索引第1、2层级（Bucket、Salary）分组，组内直接做相邻行差分
summary['Price_diff'] = summary.groupby(level=[1,2])['Price'].diff()

批量计算四个数值列的差值 #

# 批量生成四个字段的差分结果，列名自动加_diff后缀
diff_result = summary.groupby(level=[1,2])[['Price','Cost','Value','Gross']].diff().add_suffix('_diff')
# 合并差分结果到原表
summary = pd.concat([summary, diff_result], axis=1)

原代码失效原因 #

• 遍历逻辑错误：你遍历的是最外层Date的取值，每次取单个日期下的所有Price数据做diff，实际是在同一日期的不同Bucket、Salary数据之间算差值，完全不符合跨日期计算的需求
• 赋值方式不安全：summary.Price_diff[idx] = ...属于链式赋值，会触发Pandas的SettingWithCopyWarning，大概率不会写入原表，反而生成副本导致修改失效

内容的提问来源于stack exchange，提问作者a.r. noureldin