基于特定筛选条件在Pandas DataFrame中实现分组值复制与填充

你要实现的是给每个giorno分组，提取组内ora=10对应的open值，再把这个值填充到该组所有行的新列里对吧？这里有两种简洁高效的方法可以解决：

方法一：用groupby + transform（推荐，适合大型数据集） #

这种方法直接在分组后对每组应用逻辑，不用额外创建映射表，代码更紧凑：

# 对每个giorno分组，提取组内ora=10时的open值，广播填充整组
df['newColumn'] = df.groupby('giorno')['open'].transform(
    lambda group: group[df.loc[group.index, 'ora'] == 10].iloc[0]
)

代码解释： #

• groupby('giorno')：把数据按日期标识giorno分成独立的组
• transform：会将lambda函数的结果广播到原DataFrame的对应行，保证新列和原数据行数一致
• lambda函数里，我们在每个组中筛选出ora=10的行，取出对应的open值（用iloc[0]确保只取一个值，避免多个匹配的情况）

方法二：先创建映射字典再填充（更直观，适合理解逻辑） #

先提前把每个giorno对应的目标值存成字典，再用map方法快速填充：

# 第一步：筛选出所有ora=10的行，生成giorno到open值的映射字典
giorno_open_mapping = df[df['ora'] == 10].set_index('giorno')['open'].to_dict()

# 第二步：用giorno列匹配字典，填充新列
df['newColumn'] = df['giorno'].map(giorno_open_mapping)

代码解释： #

• 第一行先筛选出ora=10的所有行，把giorno设为索引，然后转成字典，键是giorno，值是对应的open
• 第二行用map方法，把每行的giorno对应到字典里的值，直接填充到newColumn中

两种方法都能得到你想要的结果，比如giorno=1的所有行newColumn都会是152.27，完全符合你的示例要求。

内容的提问来源于stack exchange，提问作者AlessandroG