使用np.diff计算商品价格差值报错：Data must be 1-dimensional的解决方法

这个问题我之前也碰到过，核心原因是你用agg()聚合后生成了多层列索引（MultiIndex Columns），导致gb['item_price']实际上是一个DataFrame而非一维Series，而np.diff要求输入必须是一维数据，所以才会抛出Exception: Data must be 1-dimensional的错误。下面给你两种修复方案，以及更高效的实现思路：

方案一：避免生成多层列（推荐） #

在聚合时直接指定新列名，这样就能得到单层列索引，后续np.diff可以直接正常工作：

import numpy as np
import pandas as pd

index_cols = ['shop_id', 'item_id', 'date_block_num']
# 直接在agg中定义新列名，跳过多层列的生成
gb = sales.groupby(index_cols).agg(
    item_cnt_month=('item_cnt_day', np.sum),
    item_price=('item_price', np.mean)
).reset_index()

# 用np.diff计算组内差值，通过prepend补全第一个元素的0值
gb['diff'] = gb.groupby(['shop_id','item_id'])['item_price'].transform(
    lambda x: np.diff(x, prepend=x.iloc[0])
)

这里用prepend=x.iloc[0]可以自动给每个分组的第一个元素补0，省去后续fillna(0)的步骤，逻辑更简洁。

方案二：修复已生成的多层列 #

如果你坚持保留原聚合写法，可以先把多层列压平为单层列，再进行差值计算：

index_cols = ['shop_id', 'item_id', 'date_block_num']
gb = sales.groupby(index_cols).agg({'item_cnt_day':[np.sum], 'item_price':[np.mean]}).reset_index()

# 压平多层列名，用下划线连接层级
gb.columns = ['_'.join(col).strip('_') for col in gb.columns.values]
# 重命名列
gb = gb.rename(columns={'item_cnt_day_sum': 'item_cnt_month','item_price_mean':'item_price'})

# 此时item_price是一维Series，可正常使用np.diff
gb['diff'] = gb.groupby(['shop_id','item_id'])['item_price'].transform(
    lambda x: np.diff(x, prepend=x.iloc[0])
).fillna(0)

更高效的替代实现：使用pandas原生diff() #

其实pandas自带的Series.diff()方法已经做了高度优化，写法更简洁，性能和np.diff不相上下，甚至在某些场景下更适配pandas的数据结构：

# 基于方案一的聚合结果，直接用groupby+diff
gb['diff'] = gb.groupby(['shop_id','item_id'])['item_price'].diff().fillna(0)

这个写法不需要额外的lambda和np.diff包裹，代码更易读，同时计算效率完全能满足需求。

用你的样本数据测试的话，比如shop_id=0, item_id=32的两次价格都是221，差值会是0；shop_id=59, item_id=22167的三次价格都是299，差值也全为0，完全符合预期。

内容的提问来源于stack exchange，提问作者mj1261829