如何在Pandas DataFrame中按分组基于上一行值计算带百分比的数值？

核心思路 #

按指定维度分组后，通过计算增长因子的累积乘积，结合分组初始Value完成递推计算，全程用向量化操作避免循环。

步骤实现 #

假设你的DataFrame包含Year、Regions、Products、Subproducts、Pct、Value列（初始年份的Value已知，后续年份为待计算值）：

1. 排序确保计算顺序
   先按分组键和年份升序排列，保证每个组内数据按时间顺序处理：

   df = df.sort_values(['Regions', 'Products', 'Subproducts', 'Year'])
   

2. 提取分组初始Value
   获取每个分组最早年份的Value作为计算基数：

   initial_vals = df.groupby(['Regions', 'Products', 'Subproducts'])['Value'].transform('first')
   

3. 构建增长因子序列
   将Pct转换为增长因子（1 + Pct），初始年份无Pct的行填充为1（不影响初始值）：

   df['growth_factor'] = df['Pct'].fillna(0) + 1
   

4. 计算分组累积增长因子
   对每个分组的增长因子计算累积乘积，得到从初始年份到当前年份的总增长倍数：

   df['cumulative_growth'] = df.groupby(['Regions', 'Products', 'Subproducts'])['growth_factor'].transform('cumprod')
   

5. 推导当年Value
   用初始Value乘以累积增长因子，得到每个年份的计算值：

   df['Value'] = initial_vals * df['cumulative_growth']
   

示例验证 #

用你给出的场景测试：

import pandas as pd
import numpy as np

data = {
    'Year': [2003,2003,2004,2004],
    'Regions': ['X','Y','X','Y'],
    'Products': ['P','Q','P','Q'],
    'Subproducts': ['S1','S2','S1','S2'],
    'Pct': [np.nan,np.nan,0.5,0.4],
    'Value': [34,20,np.nan,np.nan]
}
df = pd.DataFrame(data)

执行上述步骤后，2004年的Value会正确计算为51和28，完全匹配你的需求。

注意事项 #

• 确保每个分组至少有一个非空的初始Value（最早年份的Value）
• 如果初始年份不是数据中的最小年份，可将transform('first')替换为对应年份的取值逻辑，例如：transform(lambda x: x[df.loc[x.index, 'Year'] == 2003].iloc[0])
• 计算完成后可删除临时列：df = df.drop(['growth_factor','cumulative_growth'], axis=1)

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