尝试：

# convert the "Quarter" to PeriodIndex
df["current"] = df["quarter"].str.replace(r"FY(\d+)_Q(\d+)", r"20\1-Q\2", regex=True)
df["current"] = pd.PeriodIndex(df["current"], freq="Q")
df["next"] = df["current"] + 4

out = df.merge(
    df,
    how="left",
    left_on=["item", "current"],
    right_on=["item", "next"],
)
print(
    out[["item", "quarter_x", "value_x", "value_y"]].rename(
        columns={"quarter_x": "quarter", "value_x": "value", "value_y": "value_prev"}
    )
)

字符串
印刷品：

item  quarter  value  value_prev
0     A  FY20_Q1    100         NaN
1     A  FY20_Q2    150         NaN
2     A  FY20_Q3    120         NaN
3     A  FY20_Q4    135         NaN
4     A  FY21_Q1    128       100.0
5     A  FY21_Q2    160       150.0
6     B  FY20_Q1    230         NaN
7     B  FY20_Q2    210         NaN
8     B  FY20_Q3    240         NaN
9     B  FY20_Q4    220         NaN
10    B  FY21_Q1    250       230.0
11    B  FY21_Q2    230       210.0
12    C  FY20_Q1    125         NaN
13    C  FY20_Q2    230         NaN
14    C  FY20_Q3    162         NaN
15    C  FY20_Q4    111         NaN
16    C  FY21_Q1    134       125.0
17    C  FY21_Q2    135       230.0

型

你正面临着一个挑战，因为你的“季度”列实际上包含两条信息.季度和年度。
让我们将该列分解，构建一个数据透视表，这样就可以做任何需要的分析了，而且在某些记录丢失的情况下，这也保证不起作用。
第一步：将复杂的列分成两个（这里的代码适用于你的虚拟数据--也许你所有的生产数据都需要一个更复杂的处理异常的函数。但是你必须把这两个维度分开！）

df['year'] = df['quarter'].str[0:4]
df['quarter'] = df['quarter'].str[-2:]

字符串
第二步：让我们将年份和季度重新排列成行和列（这显然是2个不同的维度，您希望运行不同的分析，例如，比较季度与季度将是行操作，而比较年份与年份将是列操作）-请仅对1个产品或所有产品执行此操作

sorted_df = df.pivot_table(index='year', columns=['quarter', 'item'])

型
第3步：选择你现在想做的任何分析。比如说，对于所有产品，看看几年来“Q1”的“价值”：

sorted_df['value']['Q1']

型

另一种可能的解决方案是提取年份并减去1，用减去的年份列创建一个新的嵌套框（d），与初始嵌套框（df）合并以获得与调整后的年份对应的值，最后，将d的value列添加为df的value_prev列：

cols = ['quarter', 'item']
y = df['quarter'].str.extract('FY(\d+)_.*').astype(int).sub(1)[0]
q, item = df['quarter'].str.extract('.*_(.*)')[0], df['item']

d = (pd.DataFrame(
     [[f'FY{x[0]}_{x[1]}', x[2]] for x in zip(y, q, item)], columns=cols)
     .merge(df, on=cols, how='left'))

df['value_prev'] = d['value']

字符串
输出量：

item  quarter  value  value_prev
0     A  FY20_Q1    100         NaN
1     A  FY20_Q2    150         NaN
2     A  FY20_Q3    120         NaN
3     A  FY20_Q4    135         NaN
4     A  FY21_Q1    128       100.0
5     A  FY21_Q2    160       150.0
6     B  FY20_Q1    230         NaN
7     B  FY20_Q2    210         NaN
8     B  FY20_Q3    240         NaN
9     B  FY20_Q4    220         NaN
10    B  FY21_Q1    250       230.0
11    B  FY21_Q2    230       210.0
12    C  FY20_Q1    125         NaN
13    C  FY20_Q2    230         NaN
14    C  FY20_Q3    162         NaN
15    C  FY20_Q4    111         NaN
16    C  FY21_Q1    134       125.0
17    C  FY21_Q2    135       230.0

型