Pandas条件创建分组列：提取分组内指定时间对应的value值及时间格式适配方案

没问题，我来帮你搞定这个需求！下面分两种场景给你提供可行的代码方案：

一、原场景：time值为'11am'的情况 #

你需要每个ID分组内的所有行都对应该组time='11am'时的value值，这里有两种简洁的实现方式：

方法1：使用groupby + transform（推荐） #

这种方法最直接，利用groupby按ID分组后，用transform把指定条件的value值广播到整个分组的每一行：

import pandas as pd

data = {'id':['1', '1', '1','1', '2', '2', '2', '2'],'time':['10am', '11am', '12pm', '13pm','10am', '11am', '12pm', '13pm'], 'value':[20,21,19,18,56,47,78,96]}
df = pd.DataFrame(data)

# 按id分组，提取每组time='11am'的value，广播到全组，最后转成字符串（和你的示例格式一致）
df['newcolum'] = df.groupby('id')['value'].transform(lambda x: x[df.loc[x.index, 'time'] == '11am'].iloc[0]).astype(str)

print(df)

运行后就能得到你期望的结果，transform会自动把每个分组的目标值填充到该组的所有行中。

方法2：先构建映射表再合并 #

如果你觉得lambda不够直观，可以先筛选出time='11am'的行作为映射表，再通过merge合并到原DataFrame：

# 构建id到11am对应value的映射表
id_11am_map = df[df['time'] == '11am'][['id', 'value']].rename(columns={'value': 'newcolum'})

# 合并到原df，保留所有行
df = df.merge(id_11am_map, on='id', how='left')

# 转成字符串（和示例格式一致）
df['newcolum'] = df['newcolum'].astype(str)

这种方法逻辑更清晰，适合对分组操作不太熟悉的场景。

二、补充场景：time值为'11:00:00'的情况 #

其实这个场景的逻辑和上面完全一致，只需要把条件中的字符串从'11am'改成'11:00:00'就可以了，比如用方法1的话：

# 假设你的time列值是'11:00:00'
df['newcolum'] = df.groupby('id')['value'].transform(lambda x: x[df.loc[x.index, 'time'] == '11:00:00'].iloc[0]).astype(str)

如果是用方法2，同样只需要修改筛选条件：

id_11am_map = df[df['time'] == '11:00:00'][['id', 'value']].rename(columns={'value': 'newcolum'})
df = df.merge(id_11am_map, on='id', how='left')
df['newcolum'] = df['newcolum'].astype(str)

本质上就是匹配特定的时间字符串，不管格式是am/pm还是HH:MM:SS，只要字符串完全匹配就能正确提取。

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