Pandas DataFrame按客户分组计算指定日期价格差值

嘿，这就帮你搞定这个分组计算的需求！我们从原始数据入手，一步步实现你要的结果。

原始数据构造 #

先把你给出的DataFrame用代码构造出来：

import pandas as pd

# 构造原始数据
data = {
    'Customer': ['Jane', 'Jane', 'Joe', 'Joe'],
    'Date': ['01/01/2018', '01/02/2018', '01/01/2018', '01/02/2018'],
    'price': [10, 14, 10, 15]
}
df = pd.DataFrame(data)

方法一：透视表（Pivot）实现（推荐） #

这种方法逻辑清晰，还能轻松扩展到更多日期的场景：

1. 先把日期列转换成标准的datetime格式（可选，但能避免日期字符串排序的坑）
2. 用透视表将日期转为列，客户作为行索引
3. 直接计算两日价格的差值，再整理成目标格式

# 转换日期格式为datetime类型
df['Date'] = pd.to_datetime(df['Date'], format='%m/%d/%Y')

# 创建透视表：行=客户，列=日期，值=价格
pivot_df = df.pivot(index='Customer', columns='Date', values='price')

# 计算01/02/2018价格减去01/01/2018的价格，并重命名列
result = pivot_df.iloc[:, 1] - pivot_df.iloc[:, 0]
result = result.reset_index(name='price')

print(result)

运行后就能得到你想要的结果：

Customer  price
0     Jane      4
1      Joe      5

方法二：Groupby直接筛选计算 #

如果只针对这两个固定日期，也可以用groupby结合lambda函数直接计算：

# 按客户分组，每组内筛选对应日期的价格做差值
result = df.groupby('Customer').apply(
    lambda group: group[group['Date'] == '01/02/2018']['price'].iloc[0] - group[group['Date'] == '01/01/2018']['price'].iloc[0]
).reset_index(name='price')

print(result)

这个方法更直接贴合你的特定需求，代码逻辑也很直观。

内容的提问来源于stack exchange，提问作者fa ze