如何在Pandas中基于Entry Code列表批量生成条件列？

核心思路：用pivot_table一键搞定批量列生成与聚合 #

别再用np.where逐个硬写了，Pandas内置的pivot_table能一步完成列透视、聚合计算、缺省值填充，完美适配30+个Entry Code的场景，代码简洁还不容易出错。

代码示例 #

假设你的原始数据DataFrame名为df：

import pandas as pd

# 定义要处理的Entry Code列表
target_entries = ['A500', '1100', '1101', '1113']

# 执行透视聚合：按Treaty Number分组，Entry Code转成列，Amount求和，无值填0
result_df = df.pivot_table(
    index='Treaty Number',
    columns='Entry Code',
    values='Amount',
    aggfunc='sum',
    fill_value=0
).reset_index()

# 仅保留目标Entry Code的列（如果原始数据存在其他无关Entry Code的话）
result_df = result_df[['Treaty Number'] + target_entries]

关键参数说明 #

• index='Treaty Number'：指定按这个字段做分组聚合
• columns='Entry Code'：自动把每个Entry Code值转为单独的列
• aggfunc='sum'：同一个Treaty+Entry有多条Amount时自动求和，可按需换成mean/max等
• fill_value=0：直接把无对应值的位置填充为0，省去后续手动补值
• reset_index()：把Treaty Number从索引转回普通列，符合常规DataFrame结构

为啥比手动np.where高效？ #

• 不用循环逐个创建列，一次调用处理所有Entry Code
• 内置聚合逻辑，不用自己写分组求和的冗余代码
• 原生支持缺省值填充，扩展到30+个Entry Code完全无压力，维护成本极低

额外场景：需要保留原始其他字段的处理方式 #

如果还要保留除Treaty Number外的其他字段（比如合同日期、客户名称等），可以先聚合Entry Code的金额，再和原始数据的非重复字段合并：

# 先聚合Entry Code对应的金额
aggregated = df.pivot_table(
    index='Treaty Number',
    columns='Entry Code',
    values='Amount',
    aggfunc='sum',
    fill_value=0
).reset_index()[['Treaty Number'] + target_entries]

# 提取原始数据中每个Treaty的非重复字段（取第一条记录为例）
other_fields = df.drop_duplicates('Treaty Number')[['Treaty Number', '合同日期', '客户名称']]

# 合并得到最终结果
final_df = pd.merge(other_fields, aggregated, on='Treaty Number', how='left').fillna(0)

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