如何高效计算Pandas DataFrame指定行和以填充空行？

核心思路 #

利用Pandas的向量化操作替代Python循环，既简洁又能大幅提升效率——Pandas的内置方法都是底层优化过的，比逐行逐列的循环处理快得多。

实现代码 #

# 计算B0和B2行数值列的和
b_total = step4_1[step4_1['ISIC2'].isin(['B0', 'B2'])] \
           .select_dtypes(include='number') \
           .sum()

# 将求和结果赋值给B1行对应的列
step4_1.loc[step4_1['ISIC2'] == 'B1', b_total.index] = b_total.values

代码说明 #

• isin(['B0', 'B2'])：精准筛选出需要求和的两行，不受行索引位置影响（哪怕B0/B2不在B1的前后也能生效）
• select_dtypes(include='number')：只对2018-2021这类数值列求和，避免操作ISIC2这类文本列
• sum()：按列批量求和，是Pandas优化后的向量操作，效率远高于循环
• loc：精准定位到ISIC2为"B1"的行，直接批量赋值求和结果

对比原方案的优势 #

原代码的嵌套循环会逐行逐列遍历处理，当DataFrame行数/列数较多时，效率会急剧下降；而向量化操作是一次性批量处理所有目标列，性能提升非常明显，代码也更易读维护。

内容的提问来源于stack exchange，提问作者DGMS89