Pandas如何为按邮编分组的季度累计值新增环比增量列？

要计算每个邮编对应季度的新增事件数，核心逻辑是同一邮编分组内，当前季度累计值减去上一季度累计值，第一个季度没有上一季度数据时新增值默认为0。

具体实现方式 #

方式1：单独为已有DataFrame加New列 #

首先保证数据按邮编、季度正序排列，再通过分组差分计算新增值：

# 按邮编和季度排序，确保时间顺序正确
df = df.sort_values(['Zipcode', 'Quarter']).reset_index(drop=True)
# 计算新增列
df['New'] = df.groupby('Zipcode')['Cumulative_number'].diff().fillna(0).astype(int)

方式2：嵌入现有链式操作 #

可以直接把逻辑加到你生成累计值的原有代码中，无需拆分步骤：

df = (df.reindex(pd.date_range(df.columns.min(), until, freq='QS', name='Quarter'), axis=1)
        .ffill(axis=1)
        .stack()
        .astype(int)
        .reset_index(name='Cumulative_number')
        # 新增排序和计算新增列的逻辑即可
        .sort_values(['Zipcode', 'Quarter'])
        .assign(New=lambda x: x.groupby('Zipcode')['Cumulative_number'].diff().fillna(0).astype(int))
     )

补充说明 #

• 如果存在累计值统计错误导致环比回落的情况，可以加下限限制避免出现负数新增：

  df['New'] = df.groupby('Zipcode')['Cumulative_number'].diff().fillna(0).clip(lower=0).astype(int)
  

• 如果你的Quarter字段是字符串格式且排序异常，建议先转为datetime类型再排序，保证时间顺序正确：

  df['Quarter'] = pd.to_datetime(df['Quarter'])
  

• 注意你给出的原始示例中2000邮编2018 Q4的累计值写为0，属于和预期输出冲突的笔误，实际计算时请保证累计值的正确性。

内容的提问来源于stack exchange，提问作者TvCasteren