如何在DataFrame中新增列？附预期效果示例

先结合你给出的示例，我梳理出NewColumn的生成逻辑：

• 按Name分组处理（示例为单一组A，代码支持多组场景）
• 组内数据先从Date列提取年份并排序
• 逐行判断规则：
  • 若当前行是组内最早年份，或前一年无对应数据（比如示例中2006年没有2005年的记录），NewColumn留空
  • 当前Value大于前一年Value时，NewColumn设为1
  • 当前Value小于前一年Value时，NewColumn设为0
  • 两者相等时，NewColumn留空（对应示例中2004-06的情况）

下面是具体的Pandas实现步骤：

步骤1：预处理日期列 #

先把Date转为datetime格式并提取年份，方便后续按年匹配：

import pandas as pd

# 转换Date列为datetime类型（如果还未转换）
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m')
# 提取年份到临时列
df['Year'] = df['Date'].dt.year

步骤2：分组匹配上一年数据 #

按Name分组后，通过合并表的方式匹配每组内上一年的Value：

# 按Name和年份排序，保证顺序正确
df_sorted = df.sort_values(['Name', 'Year']).reset_index(drop=True)

# 创建上一年的匹配表：年份+1，并重命名Value列
prev_year_df = df_sorted.copy()
prev_year_df['Year'] += 1
prev_year_df = prev_year_df.rename(columns={'Value': 'Prev_Value'})

# 合并原表与上一年表，匹配Name和Year
merged_df = pd.merge(
    df_sorted, 
    prev_year_df[['Name', 'Year', 'Prev_Value']], 
    on=['Name', 'Year'], 
    how='left'
)

步骤3：生成目标列NewColumn #

根据匹配到的上一年数据，用条件判断生成NewColumn：

import numpy as np

merged_df['NewColumn'] = np.where(
    merged_df['Prev_Value'].isna(),  # 无匹配上一年数据的情况
    np.nan,
    np.where(merged_df['Value'] > merged_df['Prev_Value'], 1,
             np.where(merged_df['Value'] < merged_df['Prev_Value'], 0, np.nan))
)

# 清理临时列，还原原表结构
final_df = merged_df.drop(['Year', 'Prev_Value'], axis=1)

验证示例数据 #

用你给出的测试数据验证：

# 示例数据
data = {
    'Name': ['A', 'A', 'A', 'A', 'A', 'A'],
    'Date': ['2000-01', '2001-03', '2002-02', '2003-05', '2004-06', '2006-03'],
    'Value': [0.5, 0.4, 1.0, 0.9, 0.9, 0.4]
}
df = pd.DataFrame(data)

运行代码后，final_df的NewColumn会和示例完全一致：

如果你的实际数据中同一年有多条记录，可先通过df.groupby(['Name', 'Year'])['Value'].last().reset_index()聚合，再执行后续步骤。

内容的提问来源于stack exchange，提问作者bli12blu12