Pandas按分组新增列获取上月对应Mark值的实现方法咨询

首先修正你现有代码的两处问题：

1. 重复调用pd.to_datetime处理Date列属于冗余操作，仅需调用一次即可
2. 原日期转换的format参数配置错误，你的输入日期为日/月/年格式，对应格式串应为%d/%m/%Y，否则会解析异常

完整实现步骤如下：

步骤1：导入依赖、构造数据、生成基准日期字段 #

import pandas as pd
from pandas.tseries.offsets import BMonthEnd

df = pd.DataFrame({
    'Found':['A','A','A','A','A','B','B','B','B'],
    'Date':['14/10/2021','19/10/2021','29/10/2021','30/09/2021','20/09/2021','20/10/2021','29/10/2021','15/09/2021','30/09/2021'],
    'Mark':[1,2,3,4,3,1,2,5,8]
})

# 日期格式转换
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')
# 计算当前日期所属月份的最后一个工作日
df['LastDay'] = df['Date'] - BMonthEnd(0)
# 生成上月最后一个工作日字段，用于关联上月的最高Mark值
df['PrevMonthLastDay'] = df['LastDay'] - BMonthEnd(1)

步骤2：构造「主体+月份」对应最高Mark值的映射表 #

# 按主体、月份分组取最高Mark对应的行
mark_last_day = df.loc[df.groupby(['Found', 'LastDay'])['Mark'].idxmax()]
# 重命名字段，适配关联上月的逻辑
mark_month_map = mark_last_day[['Found', 'LastDay', 'Mark']].rename(columns={'Mark': 'Mark_PrevMonth'})

步骤3：关联得到上月最高Mark值 #

df = df.merge(
    mark_month_map,
    left_on=['Found', 'PrevMonthLastDay'],
    right_on=['Found', 'LastDay'],
    how='left'
# 清理关联产生的冗余列
).drop(columns=['LastDay_y']).rename(columns={'LastDay_x':'LastDay'})

步骤4（可选）：合并当月最高Mark值（你原有需求） #

df = df.merge(
    mark_last_day[['Found', 'LastDay', 'Mark']],
    on=['Found', 'LastDay'],
    how='left',
    suffixes=['', '_LastDay']
)

效果说明：所有10月的行都会匹配到对应主体9月的最高Mark值，9月的行因为没有上月数据，对应Mark_PrevMonth字段为NaN，和手动填充的预期效果完全一致。

内容的提问来源于stack exchange，提问作者Eric Alves