如何在pandas DataFrame中按门店分组创建符合条件的滞后特征

解决方案 #

分两种场景实现需求：

方案1：生成滞后特征时从根源避免跨门店串值（更推荐） #

不需要先做全局shift再修正，直接按store_id分组后做滞后操作，分组下第一条数据的滞后值会自动变为NaN，直接填充0就刚好符合需求：

# 按门店分组后做1步滞后，缺失值填充为0
df1['Data_lagged'] = df1.groupby('store_id')['units_sold'].shift(1).fillna(0)

注意：执行该操作前请确保数据已经按「门店+时间维度」升序排序，否则滞后顺序会出错，排序参考代码：

df1 = df1.sort_values(by=['store_id', '你实际的时间字段名'], ignore_index=True)

方案2：对已生成的全局滞后结果做修正 #

如果已经提前生成了全局shift的Data_lagged字段，只需要定位到门店切换的行，把对应滞后值置0即可：

# 找到当前行store_id和上一行不一致的记录，将对应Data_lagged设为0
df1.loc[df1['store_id'] != df1['store_id'].shift(1), 'Data_lagged'] = 0

运行后你给出的样例中索引为32的行Data_lagged会自动变为0，其他行的滞后值不受影响，完全符合需求。

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