在熊猫数据框上为产品创建每日价格变化

Question

我正在处理包含以下列的数据集：

order_id

order_item_id

产品mrp

单位

销售日期

我想创建一个新列，以显示自该产品上次以来的mrp变化。有没有办法我可以用熊猫数据框做到这一点？

抱歉，这个问题很简单，但是我对熊猫还很陌生。

样本数据：

预期数据：

对于数据的每一行，我要检查上次销售产品的价格变化量。

Answer 1

您可以执行以下操作：

# define a function that applies rolling window calculationg
# taking the difference between the last value and the current
# value
def calc_mrp(ser):
    # in case you want the relative change, just
    # divide by x[1] or x[0] in the lambda function
    return ser.rolling(window=2).apply(lambda x: x[1]-x[0])

# apply this to the grouped 'product_mrp' column
# and store the result in a new column
df['mrp_change']=df.groupby('product_id')['product_mrp'].apply(calc_mrp)

如果此操作是在以下数据帧上执行的：

Out[398]: 
   order_id  product_id  product_mrp  units_sold   sale_date
0         0           2   647.169280           8  2019-08-23
1         1           0   500.641188           0  2019-08-24
2         2           1   647.789399          15  2019-08-25
3         3           0   381.278167          12  2019-08-26
4         4           2   373.685000           7  2019-08-27
5         5           4   553.472850           2  2019-08-28
6         6           4   634.482718           7  2019-08-29
7         7           3   536.760482          11  2019-08-30
8         8           0   690.242274           6  2019-08-31
9         9           4   500.515521           0  2019-09-01

它产生：

Out[400]: 
   order_id  product_id  product_mrp  units_sold   sale_date  mrp_change
0         0           2   647.169280           8  2019-08-23         NaN
1         1           0   500.641188           0  2019-08-24         NaN
2         2           1   647.789399          15  2019-08-25         NaN
3         3           0   381.278167          12  2019-08-26 -119.363022
4         4           2   373.685000           7  2019-08-27 -273.484280
5         5           4   553.472850           2  2019-08-28         NaN
6         6           4   634.482718           7  2019-08-29   81.009868
7         7           3   536.760482          11  2019-08-30         NaN
8         8           0   690.242274           6  2019-08-31  308.964107
9         9           4   500.515521           0  2019-09-01 -133.967197

NaN在行中，没有先前具有相同product_id的订单。