Python：如何计算DataFrame中不同公司的年度营收同比差值

核心逻辑为按公司维度分组隔离数据，组内按年度排序后对营收值做差分计算，不会出现不同公司数据混算的问题，适配多公司、多科目的大型DataFrame场景。

完整实现代码 #

1. 依赖导入与数据准备（示例数据可替换为你自己的数据源读取逻辑） #

import pandas as pd

# 构造示例数据，包含2家公司的营收数据，验证多公司适配效果
data = {
    'Company': ['A2M']*5 + ['BXX']*4,
    'Acc_Name': ['Sales/Revenue']*9,
    'Date': [2016,2017,2018,2019,2020,2018,2019,2020,2021],
    'Value': [167770000.0, 360842000.0, 68087000.0, 963000000.0, 143346000.0, 100000000, 120000000, 150000000, 195000000]
}
df = pd.DataFrame(data)

2. 核心计算逻辑 #

# 确保日期列为整数类型，避免字符串排序出现逻辑错误
df['Date'] = df['Date'].astype(int)
# 先按公司、日期升序排序，解决原数据顺序混乱导致的计算错误问题
df = df.sort_values(by=['Company', 'Date'], ignore_index=True)
# 按公司分组，组内计算相邻年度的营收差值，即为年度同比差值
df['YoY_Diff'] = df.groupby('Company')['Value'].diff()

结果说明 #

• 每个公司的首个统计年度（无上年数据）对应YoY_Diff列值为NaN，符合业务逻辑
• 以示例中A2M公司2017年数据为例，计算得到的同比差值为360842000.0 - 167770000.0 = 193072000.0，和预期一致

扩展适配场景 #

• 若数据包含多个财务科目（不止营收），只需修改分组逻辑为df.groupby(['Company', 'Acc_Name'])['Value'].diff()，即可实现同公司同科目的同比计算
• 若需要同步计算同比增长率，可补充以下代码：

df['YoY_Rate'] = df.groupby('Company')['Value'].pct_change()

• 若存在年度不连续的场景，不想使用隔年数据计算差值，可将日期转为时间索引后按年度重采样，缺失年份自动填充NaN，再做差分计算即可

内容的提问来源于stack exchange，提问作者Hugoo