如何在Pandas中基于行条件生成前3周销售额求和的新列？

刚好遇到过类似的场景，shift()确实在周数不连续的时候不好用，你的思路完全正确——直接根据每行的周数，去匹配它的前3周（w-1、w-2、w-3）的销售额求和就对了！

先给你修正一下示例数据（原数据里Sales和Week的长度不一致，我调整成每行对应的数据），然后一步步实现：

步骤1：准备正确的示例数据 #

import pandas as pd

df = pd.DataFrame({
    "A": ['a','a','a','a','a','a','b','b','b','b'],
    "Sales": [2,3,7,1,4,3,5,6,9,10],
    "Week": [1,2,3,4,5,11,1,2,3,4]
})

步骤2：实现核心逻辑（高效版） #

如果数据量较大，每次分组筛选会比较慢，我们可以先为每个A分组建立周数-销售额的字典映射，这样查找起来更快：

# 为每个A分组创建周数到销售额的映射字典
week_sales_maps = df.groupby('A').apply(lambda g: dict(zip(g['Week'], g['Sales']))).to_dict()

# 定义函数计算当前行的前3周销售额之和
def get_last3_week_sum(row):
    # 获取当前分组的周-销售额映射
    sales_dict = week_sales_maps[row['A']]
    # 对w-1、w-2、w-3的销售额求和，不存在的周数默认取0
    return sum(sales_dict.get(week, 0) for week in [row['Week']-1, row['Week']-2, row['Week']-3])

# 生成新列
df['Last3WeekSales'] = df.apply(get_last3_week_sum, axis=1)

步骤3：查看结果 #

运行后输出的结果和你期望的完全一致：

A  Sales  Week  Last3WeekSales
0  a      2     1               0
1  a      3     2               2
2  a      7     3               5
3  a      1     4              12
4  a      4     5              11
5  a      3    11               0
6  b      5     1               0
7  b      6     2               5
8  b      9     3              11
9  b     10     4              20

补充说明 #

• 为什么不用shift()？因为shift()是按行的位置偏移，不管实际的周数。比如如果某周的数据缺失，shift(1)会拿到上一行的周（可能是w-2甚至更多），结果就错了。
• 分组处理是关键：每个A类别（比如a和b）的周数据是独立的，不能跨类别计算前3周的销售额。
• 如果你的数据量很小，也可以用分组筛选的方式（代码更直观，但效率稍低）：

def calculate_last3_sales(group, current_week):
    # 筛选当前周的前3周记录
    prev_weeks = group[group['Week'].isin([current_week-1, current_week-2, current_week-3])]
    return prev_weeks['Sales'].sum()

df['Last3WeekSales'] = df.groupby('A').apply(
    lambda g: g['Week'].apply(lambda w: calculate_last3_sales(g, w))
).reset_index(level=0, drop=True)

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