Pandas DataFrame：考虑索引（名称和日期）将一行减去另一行

你可以试试这个：

首先，将日期列更改为datetimefor类型以查找最新日期。

df['position_date'] = pd.to_datetime(df['position_date'], format='%d/%m/%Y')
print(df.head(10))

  phonetype memory  Brand  customers_holders position_date
0   iphone1   32go  Apple               0.77    2019-10-17
1   iphone1   32go  Apple               0.88    2019-10-10
2   iphone1   32go  Apple               0.98    2019-09-26
3   iphone1   32go  Apple               1.00    2019-08-15
4   iphone1   32go  Apple               0.90    2019-08-06
5   iphone1   32go  Apple               0.80    2019-07-18
6   iphone1   32go  Apple               0.80    2019-07-18
7   iphone1   32go  Apple               0.74    2019-06-20
8   iphone1   32go  Apple               0.61    2019-06-11
9   iphone1   32go  Apple               0.50    2019-05-21

然后
1. 对关键列和日期列按降序排序。
2. 使用pd.groupby.diff函数，按组计算与前一行的差值。参考这里！
3.我认为你只需要最近日期和上一个日期之间的差异，所以使用drop_duplicates只留下第一行。
像这样：

编辑

然后，如果 diff 为 nan，您可以添加代码以使用np.where.
像这样：

key_col = ['phonetype','memory','Brand']
df = df.sort_values(by= key_col + ['position_date'], ascending=False)
df['diff'] = df.groupby(key_col)['customers_holders'].diff(periods=-1)
df = df.drop_duplicates(subset=key_col, keep='first')
# if diff is nan.   
df['diff'] = np.where(df['diff'].isnull(), -df['customers_holders'], df['diff']) 
print(df)

   phonetype memory  Brand  customers_holders position_date  diff
15   iphone3   64go  Apple               0.79    2018-11-12  0.29
10   iphone2   32go  Apple               0.50    2019-03-19 -0.09
0    iphone1   32go  Apple               0.77    2019-10-17 -0.11

让它看起来像你的结果。

df = df.drop('customers_holders', axis=1)\
.rename({'diff':'customers_holders'},axis=1)\
.sort_values(by='phonetype')\
.reset_index(drop=True)
print(df)

  phonetype memory  Brand position_date  customers_holders
0   iphone1   32go  Apple    2019-10-17              -0.11
1   iphone2   32go  Apple    2019-03-19              -0.09
2   iphone3   64go  Apple    2018-11-12               0.29