我有一个数据框:

np.random.seed(1)df1 = pd.DataFrame({'day':[3, 4, 4, 4, 5, 5, 5, 5, 5, 6, 6],                   'item': [1, 1, 2, 2, 1, 2, 3, 3, 4, 3, 4],                   'price':np.random.randint(1,30,11)})

   day item price0   3   1   61   4   1   122   4   2   133   4   2   94   5   1   105   5   2   126   5   3   67   5   3   168   5   4   19   6   3   1710  6   4   2

在执行分组代码 gb = df1.groupby(['day','item'])['price'].mean() 后，我得到:

gb     day  item3    1        64    1       12     2       115    1       10     2       12     3       11     4        16    3       17     4        2Name: price, dtype: int64

我想从分组后的系列中获取趋势，并将其替换回数据框的price列。价格是相对于前一天价格的物品价格变化

  day item  price0   3   1   nan1   4   1   62   4   2   nan3   4   2   nan4   5   1   -25   5   2   16   5   3   nan7   5   3   nan8   5   4   nan9   6   3   610  6   4   1

请帮助我编写最后一步的代码。最好是一两行代码。因为实际的数据框非常大，我希望避免使用迭代。

回答：

希望这对你有帮助！

    #获取平均值    mean_df=df1.groupby(['day','item'])['price'].mean().reset_index()    #重命名列     mean_df.columns=['day','item','average_price']    #按天和物品升序排序    mean_df=mean_df.sort_values(by=['day','item'])    #为每个物品和每一天移动价格     mean_df['shifted_average_price'] = mean_df.groupby(['item'])['average_price'].shift(1)    #与原始df合并     df1=pd.merge(df1,mean_df,on=['day','item'])    #用前一天的差异替换价格     df1['price']=df1['price']-df1['shifted_average_price']    #删除不需要的列    df1.drop(['average_price', 'shifted_average_price'], axis=1, inplace=True)