这个问题可以用多种方法来处理。
如果只想获取每组的前一行，假设值是连续的，并按日期递增排序，则使用groupby.shift：

store_df['prev_day_sales'] = store_df.groupby('store_id')['sales'].shift()

输出：

store_id       date  sales  prev_day_sales
0         1 2023-01-02     11             NaN
1         2 2023-01-02     22             NaN
2         3 2023-01-02     33             NaN
3         1 2023-01-03     44            11.0
4         2 2023-01-03     55            22.0
5         3 2023-01-03     66            33.0
6         1 2023-01-04     77            44.0
7         2 2023-01-05     88            55.0
8         3 2023-01-04     99            66.0

如果您确实想获取前一天的值（而不是前一天的值），请使用merge：

store_df['date'] = pd.to_datetime(store_df['date'])

store_df.merge(store_df.assign(date=lambda d: d['date'].add(pd.Timedelta('1D'))),
               on=['store_id', 'date'], suffixes=(None, '_prev_day'), how='left'
              )

• 注意：这样可以轻松处理其他增量，如工作日（将pd.Timedelta('1D')替换为pd.offsets.BusinessDay(1)）。*

示例（具有不同的输入）：

store_id       date  sales  sales_prev_day
0         1 2023-01-02     11             NaN
1         2 2023-01-02     22             NaN
2         3 2023-01-02     33             NaN
3         1 2023-01-03     44            11.0
4         2 2023-01-03     55            22.0
5         3 2023-01-03     66            33.0
6         1 2023-01-04     77            44.0
7         2 2023-01-05     88             NaN # there is no data for 2023-01-04
8         3 2023-01-04     99            66.0