如何以Pandas DataFrame为输入直接创建计算人口变化的df2？

给你几个直接从现有df生成目标df2的实用方法：

方法一：用pivot重塑数据后计算 #

先把原数据转成宽表（城市为行，年份为列），再直接计算两年人口的差值：

# 重塑为宽表，行是城市，列是年份，值对应人口数
pivot_df = df.pivot(index='City', columns='Year', values='Population')
# 计算2022年减1990年的人口变化，整理成目标格式
df2 = pivot_df.assign(**{'Population change': pivot_df[2022] - pivot_df[1990]})[['Population change']].reset_index()

方法二：用groupby+unstack分组计算 #

按城市分组后展开年份列，再计算差值：

# 按城市和年份分组，将年份对应的人口展开为列
grouped = df.groupby(['City', 'Year'])['Population'].first().unstack()
# 计算人口变化并转为目标DataFrame
df2 = (grouped[2022] - grouped[1990]).reset_index(name='Population change')

方法三：合并两年数据后计算 #

分别筛选两年的数据再合并，最后计算差值：

# 提取1990和2022年的人口数据并重命名列
df_1990 = df[df['Year'] == 1990].rename(columns={'Population': '1990_pop'})
df_2022 = df[df['Year'] == 2022].rename(columns={'Population': '2022_pop'})
# 按城市合并数据，计算人口变化
merged = pd.merge(df_1990[['City', '1990_pop']], df_2022[['City', '2022_pop']], on='City')
df2 = merged.assign(**{'Population change': merged['2022_pop'] - merged['1990_pop']})[['City', 'Population change']]

这几种方法都能直接基于原df生成目标df2，可以根据自己的习惯选择。

内容的提问来源于stack exchange，提问作者Fredrik P