此系列文章收录在公众号中：数据大宇宙 > 数据处理 >E-pd
> 经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas
前言
如果你需要经常处理走势数据，那么本系列接下来2篇文章的知识点将非常实用。
这一节先讲解最简单的环比实现。
下一节，将利用此技巧，解决诸如"某城市一年最大连续没下雨天数"的问题。敬请关注！
Excel 中的实现方式直观简单
考虑如下的一份销量表：
- 现在需要求出环比差异(本月-上月)。
由于 Excel 是高度自由的表格数据，我们可以如下实现：
- 从 B列 复制下移粘贴到 C列
- 由于最后一行下移后超出了总行数，直接去掉
现在可以在 D列 写上简单的公式得到结果：
- 由于 C列 第一个值是空的，我填了一个 na 错误
稍微懂一点 Excel 的小伙伴都会说："根本不需要 C列，直接用公式用B列上下相减就行了"
的确如此，这里特意用此方式，因为这过程在 pandas 中有一样的操作
pandas 中的数据位移
直接看看，pandas 中把销量列位移是怎么实现的：
- 行2：.shift() 方法实现下位移。
- 这步相当于 Excel 操作中的辅助列 C列
- 注意，shift 方法只是返回位移后的结果，并不影响 df 中的数据
此时同样简单即可获得结果：
- 为了让初学者看懂，我特意分成多行保存中间结果
- 行2：用变量 d_res 保存下移的销量
- 行3：用下移销量 减去 原销量。相当于 Excel 操作的 D列公式
- 行4：把计算结果写入原数据
> 实际上在 pandas 还有更便捷的实现，类似于 Excel 操作中直接写公式上下引用。
不过，实际工作中的数据没有这么简单，
比如说：
- 数据中有些月份数据是缺失的，怎么办？
- 数据中的是日期类型，我希望按年做环比
更多详细高级应用技巧，关注我的 pandas 专栏！
下面介绍其中一种简单应用。
多结合分组处理
实际情况是，我们拿到的数据是多个城市的月份销量：
此时我们需要注意2点：
- 按城市分组
- 保证每个城市内的数据是按月份排序
代码如下：
- 行3-5：每个分组的处理逻辑，内容很简单
- 行7：先按 城市、月份 做排序，接着分组
- 注意，你也可以在分组处理中对月份排序
总结
