Python 根据基于n-1索引记录的值进行分组

在以下数据中：

Name, Group, Value

Mike, A, 0
Peter, A, 5
Adam, A, 12
Jared, A, 18
Bob, B, 0
Jason, B, 1
Dan, B, 9

在序列中获得以下结果（或将计算序列附加到最后一列的数据帧）是否可行

这些值由记录的

值

减去记录的前一条记录（即，如果其记录在

Adam

上，则表示

Peter

的记录）

值

计算得出。但是，我也希望基于

组

变量得到它，这意味着我不希望基于

Jared

的

值

得到

Bob的
值，因为这两个记录的
组
值是不同的-我只在每个特定的
组
变量中计算它

我不确定是否只能在熊猫身上做。我使用pandas 0.13。
您可以直接使用diff groupby方法：

In [23]: df.groupby('Group').Value.diff(1).fillna(0)
Out[23]:
0    0
1    5
2    7
3    6
4    0
5    1
6    8
dtype: float64

它的作用与使用shift和subtract相同：

In [21]: df.groupby('Group').Value.shift()
Out[21]:
0   NaN
1     0
2     5
3    12
4   NaN
5     0
6     1
dtype: float64

并在NAN中填入0：

In [22]: (df.Value - df.groupby('Group').Value.shift()).fillna(0)
Out[22]:
0    0
1    5
2    7
3    6
4    0
5    1
6    8
dtype: float64

原始答复：
您只需将其与移位值列进行比较：

In [11]: df = pd.read_csv('foo.csv')

In [12]: res = df.Value - df.Value.shift()

In [13]: res
Out[13]:
0   NaN
1     5
2     7
3     6
4   -18
5     1
6     8
Name: Value, dtype: float64

看起来您希望使NaN和底片为0：

In [14]: res[pd.isnull(res) | (res < 0)] = 0

In [15]: res
Out[15]:
0    0
1    5
2    7
3    6
4    0
5    1
6    8
Name: Value, dtype: float64

[14]中的
：res[pd.isnull（res）|（res<0）]=0
在[15]中：res
出[15]：
0    0
1    5
2    7
3    6
4    0
5    1
6    8
名称：Value，数据类型：float64
以下各项应起作用：

print df

  Group   Name  Value
0     A   Mike      0
1     A  Peter      5
2     A   Adam     12
3     A  Jared     18
4     B    Bob      0
5     B  Jason      1
6     B    Dan      9

same_group = df.Group == df.Group.shift(1)
df['new'] = (df.Value - df.Value.shift(1)).where(same_group,0)

print df

  Group   Name  Value  new
0     A   Mike      0    0
1     A  Peter      5    5
2     A   Adam     12    7
3     A  Jared     18    6
4     B    Bob      0    0
5     B  Jason      1    1
6     B    Dan      9    8

或者，您可以在
分组方式中使用shift键
/
应用
：

df['new'] = df.groupby('Group')['Value'].apply(lambda x: x - x.shift(1))
print df.fillna(0)

哇！太棒了！但是我不喜欢这个语法。。。非常感谢您的回答。@user2360798我更喜欢使用[]语法访问列：
df.groupby（'Group'）['Value'].shift（）
，您觉得这种语法更好吗？啊，我说的是在一个用花括号括起来的对象上调用一个方法（
fillna
），我通常不喜欢这种方法。我更喜欢按照卡尔的建议使用
apply
。@user2360798是的，它不是很像python。。。你总是可以在下一行对结果进行填充。shift没有默认值arg.：S@user2360798记住diff方法可以做到这一点，更好！谢谢我喜欢
apply
解决方案！
df['new'] = df.groupby('Group')['Value'].apply(lambda x: x - x.shift(1))
print df.fillna(0)