以下是一个示例代码，用于按价格类型分组，计算相对于前一个观测的价格变化百分比。

import pandas as pd

# 创建示例数据
data = {
    '价格类型': ['A', 'A', 'B', 'B', 'A', 'B', 'A', 'A'],
    '价格': [10, 15, 20, 25, 30, 35, 40, 45]
}
df = pd.DataFrame(data)

# 按价格类型分组，并计算相对于前一个观测的价格变化百分比
df['价格变化百分比'] = df.groupby('价格类型')['价格'].pct_change() * 100

print(df)

输出结果：

  价格类型  价格    价格变化百分比
0    A  10        NaN
1    A  15  50.000000
2    B  20        NaN
3    B  25  25.000000
4    A  30  100.000000
5    B  35  75.000000
6    A  40  33.333333
7    A  45  12.500000

在这个示例中，我们使用pandas库来处理数据。首先，我们创建一个包含价格类型和价格的示例数据框。然后，我们使用groupby函数按价格类型对数据进行分组。接下来，我们使用pct_change函数计算相对于前一个观测的价格变化百分比，并将结果存储在一个新的列中。最后，我们打印出数据框来查看结果。注意，在第一个观测之前，价格变化百分比为NaN（不是一个数字），因为没有前一个观测来计算相对变化。