Pandas按用户分组计算DataFrame产量逐期差值问题求助

解决方案 #

首先请先确保你的DataFrame已经按照User和Timestamp升序排序，避免因为时间顺序混乱导致差值计算错误，随后使用如下代码即可：

# 先按用户+时间排序，保证顺序正确
df = df.sort_values(by=['User', 'Timestamp']).reset_index(drop=True)
# 分组计算差值，空值用当期产量填充
df['Difference'] = df.groupby('User')['Production'].diff().fillna(df['Production'])

运行后得到的Difference列完全符合你的预期结果。

问题原因说明 #

1. 你第一次写的groupby('User')['Production'].diff()逻辑本身是正确的，默认计算规则就是「当期值 - 同组前一个值」，但每个分组的第一行没有前序值，返回结果为NaN，你没有对这部分NaN做替换，所以没有得到预期结果。
2. 后续自定义lambda代码的问题：
   • 差值计算顺序搞反了：你写的x['Production'].shift(+1) - x['Production']是「上一期值减当期值」，和你需要的计算逻辑相反，会得到负数结果
   • 若分组apply后的索引和原表索引没有对齐，也会导致用户切换行的结果匹配错误，用pandas内置的diff方法不需要手动处理索引对齐，稳定性更高。

内容的提问来源于stack exchange，提问作者mandiatodos