Pandas创建新列并按日期、商品、门店匹配填充上年同期销售额
实现Pandas新增上年同期销售额列的解决方案
原有代码的问题
- 分组维度缺失
item字段:你的匹配规则要求相同商品、相同门店、同月同日,原有分组仅包含月、日、门店编号,会把不同商品的数据归到同一个分组,导致匹配错误 - 未提前对日期排序:
shift()是基于数据现有行顺序偏移,若原数据不是按日期升序排列,偏移后取到的不是上年同期的数值 - 列名大小写不匹配:原数据门店编号列是
storeNbr,代码中写为StoreNbr,大小写不一致会导致读取字段失败
操作前置步骤
首先确保日期列为datetime格式,且按日期升序排序:
import pandas as pd # 转换日期类型 df['date'] = pd.to_datetime(df['date']) # 按日期升序排序,保证后续偏移顺序正确 df = df.sort_values('date', ascending=True)
方案1:修正groupby+shift写法(适合数据按年连续无缺失的场景)
补全分组维度,匹配规则对应的所有字段都加入分组:
df['LY'] = df.groupby([ df['date'].dt.month, df['date'].dt.day, df['storeNbr'], df['item'] ])['Sales'].shift(1)
方案2:merge匹配写法(更严谨,不受数据缺失影响)
通过构造上年同期日期做精准匹配,避免中间缺年少数据导致的偏移错误:
# 构造上年同期的辅助日期列 df['last_year_date'] = df['date'] - pd.DateOffset(years=1) # 构造用于匹配的上年销售数据表 df_ly = df[['date', 'storeNbr', 'item', 'Sales']].rename(columns={'Sales': 'LY', 'date': 'last_year_date'}) # 左连接匹配上年销售额 df = df.merge(df_ly, on=['last_year_date', 'storeNbr', 'item'], how='left') # 删除辅助列 df = df.drop(columns=['last_year_date'])
两种方案都可以得到你预期的输出结果,方案2适配性更强,即使存在部分年份数据缺失的情况也能精准匹配。
内容的提问来源于stack exchange,提问作者Edward Stokes
相关产品推荐
相关产品推荐

