Python 如何在按多个列分组的pandas数据表中获得上一年同一季度的变化

我有一个数据表，看起来像这样，但有不止一个国家和更多年的数据：

| Country       | Year | Quarter | Amount |
-------------------------------------------
| UK            | 2014 | 1       | 200    |
| UK            | 2014 | 2       | 250    |
| UK            | 2014 | 3       | 200    |
| UK            | 2014 | 4       | 150    |
| UK            | 2015 | 1       | 230    |
| UK            | 2015 | 2       | 200    |
| UK            | 2015 | 3       | 200    |
| UK            | 2015 | 4       | 160    |
-------------------------------------------

我想得到上一年同一季度每行的变化。因此，对于示例中的前4行，更改将为null，因为该季度没有以前的数据。对于2015年第一季度，差异将为30，因为上一年的第一季度为200，因此230-200=30。所以我想得到的数据表是：

| Country       | Year | Quarter | Amount | Change |
---------------------------------------------------|
| UK            | 2014 | 1       | 200    | NaN    |
| UK            | 2014 | 2       | 250    | NaN    |
| UK            | 2014 | 3       | 200    | NaN    |
| UK            | 2014 | 4       | 150    | NaN    |
| UK            | 2015 | 1       | 230    | 30     |
| UK            | 2015 | 2       | 200    | -50    |
| UK            | 2015 | 3       | 200    | 0      |
| UK            | 2015 | 4       | 160    | 10     |
---------------------------------------------------|

从其他问题来看，我尝试了使用.diff方法，但我不太确定如何让它达到我想要的效果，或者我是否真的需要做一些更激烈的事情来解决这个问题，例如，我尝试了：

df.groupby=[国家、年度、季度].sum.diff.head10

---

但是，这会产生与整个表中上一行的差异，而不是与上一年同一季度的差异。

由于您希望更改国家和季度，而不是年份，因此必须从组中删除年份

df['Change'] = df.groupby(['Country', 'Quarter']).Amount.diff()

---

正是我想要的，谢谢！我想我把我真正想做的事情复杂化了，而不是退后一步，重新考虑分组。最好的情况就是这样；。很高兴我能帮忙。