遍历DataFrame并更新字典：统计出现次数及更新属性

原始数据结构 #

import pandas as pd
df=pd.DataFrame({'Name':['A','B','C','A'],
               'ID':['a1','b1','c1','a1'],
              'Age':[15,16,32,18]})

期望输出字典 #

dic={'Name':['A','B','C'],
'ID':['a1','b1','c1'],
'Age':[18,16,32],
'Count':[2,1,1]}

需求要点 #

• 统计每个Name的出现次数，新增Count字段
• 每个Name对应的Age保留最后一次出现的最新值（比如'A'的Age更新为最后一次的18）
• ID保留每个Name对应的唯一值

你尝试的代码（仅实现计数，未处理其他属性） #

dic={}

for i in list(df['Security Name']):
  if i not in dic['Name']:
      dic[i]=1
   else:
      dic[i]+=1

两种可行解决方案 #

方案一：用pandas分组实现（高效推荐） #

利用groupby直接完成分组统计、取最新值的操作，再转为目标字典：

import pandas as pd

# 分组聚合：取ID（唯一值用first/last都可）、最后一次的Age、统计数量
grouped_result = df.groupby('Name').agg(
    ID=('ID', 'first'),
    Age=('Age', 'last'),
    Count=('Name', 'size')
).reset_index()

# 转换为目标字典格式
dic = grouped_result.to_dict('list')
print(dic)

运行后输出完全符合期望。

方案二：手动遍历实现（贴合你的初始思路） #

通过临时字典存储每个Name的详细信息，遍历过程中更新计数和最新Age，最后整理成目标格式：

import pandas as pd

df=pd.DataFrame({'Name':['A','B','C','A'],
               'ID':['a1','b1','c1','a1'],
              'Age':[15,16,32,18]})

temp_store = {}
# 逐行遍历处理
for _, row in df.iterrows():
    name = row['Name']
    if name not in temp_store:
        # 首次出现时初始化信息
        temp_store[name] = {
            'ID': row['ID'],
            'Age': row['Age'],
            'Count': 1
        }
    else:
        # 重复出现时更新计数和最新Age
        temp_store[name]['Count'] += 1
        temp_store[name]['Age'] = row['Age']

# 整理成目标字典结构
dic = {
    'Name': list(temp_store.keys()),
    'ID': [val['ID'] for val in temp_store.values()],
    'Age': [val['Age'] for val in temp_store.values()],
    'Count': [val['Count'] for val in temp_store.values()]
}
print(dic)

内容的提问来源于stack exchange，提问作者Derek