如何用for循环和函数提取全年数据中上月销售退货数据，groupby参数如何设置

实现方案 #

你不需要用for循环实现，直接用pandas内置的groupby+shift组合即可完成需求，具体步骤如下：

1. 先完成数据预处理，确保日期列格式正确且按时间排序

import pandas as pd

# 替换为你实际的日期列名
df['date'] = pd.to_datetime(df['date'])
# 按日期升序排序，保证时间顺序正确
df = df.sort_values('date').reset_index(drop=True)

2. 确定groupby的参数：
   groupby需要填写你统计维度的唯一标识字段，比如你需要按单个商品统计上月的销售/退货数据，就填商品唯一ID列（比如product_id）；如果你需要按「门店+商品」的组合维度统计，就填['store_id', 'product_id']，根据你的实际业务场景调整字段即可。
3. 生成上月数据列
   如果你的原表已经是按维度+月度聚合好的数据，直接用如下代码：

# 替换groupby的维度字段、替换为你实际的当月销量/退货列名
df['sales quantity'] = df.groupby('product_id')['当月销量列名'].shift(1)
df['return quantity'] = df.groupby('product_id')['当月退货列名'].shift(1)

如果你的原表是单条交易明细数据，需要先做月度聚合再关联回原表：

# 先按维度+月度聚合统计
monthly_stat = df.groupby(
    ['product_id', pd.Grouper(key='date', freq='M')]
).agg(
    月度总销量=('销量列名', 'sum'),
    月度总退货=('退货列名', 'sum')
).reset_index()
# 生成上月数据
monthly_stat['sales quantity'] = monthly_stat.groupby('product_id')['月度总销量'].shift(1)
monthly_stat['return quantity'] = monthly_stat.groupby('product_id')['月度总退货'].shift(1)
# 关联回原表保留所有原始列
df['month'] = df['date'].dt.to_period('M')
monthly_stat['month'] = monthly_stat['date'].dt.to_period('M')
df = df.merge(
    monthly_stat[['product_id', 'month', 'sales quantity', 'return quantity']],
    on=['product_id', 'month'],
    how='left'
).drop('month', axis=1)

注意事项 #

• 每个月最早的一条数据因为没有上月数据，对应sales quantity和return quantity会返回空值，属于正常逻辑
• 如果你的统计维度包含多个字段，直接把所有维度字段添加到groupby的参数列表中即可

内容的提问来源于stack exchange，提问作者Astha_H