使用Pandas按work分组，基于actual与target生成cost_met列的技术咨询

原始DataFrame数据 #

work  cost  actual  target
0    A     2      14    56.0
1    B     2      21    67.0
2    B     3      32    67.0
3    B     4      32     NaN
4    A     3      56    56.0
5    A     4      82     NaN

需求规则 #

• 按work列分组，每组的target值要么全为null，要么为唯一非null值
• 若actual >= target（target非null时），cost_met取组内满足该条件的基准cost
• 若actual < target，取同组对应场景的指定cost（如B组actual=32的两行取第一个cost=3，组内其他行沿用该值）

预期输出 #

work  cost  actual  target  cost_met
0    A     2      14    56.0         3
1    B     2      21    67.0         3
2    B     3      32    67.0         3
3    B     4      32     NaN         3
4    A     3      56    56.0         3
5    A     4      82     NaN         3

已尝试代码 #

grouped_df = df_final1.groupby('work')
df_final1['new_column']=grouped_df.apply(lambda x: x['cost'].where(x['actual']>x['target'])).reset_index(drop=True)

修改后的代码实现 #

调整分组逻辑，为每个分组确定统一的基准cost后批量赋值：

import pandas as pd

# 加载原始数据（如果已有可跳过）
df_final1 = pd.DataFrame({
    'work': ['A', 'B', 'B', 'B', 'A', 'A'],
    'cost': [2, 2, 3, 4, 3, 4],
    'actual': [14, 21, 32, 32, 56, 82],
    'target': [56.0, 67.0, 67.0, None, 56.0, None]
})

def process_group(group):
    # 筛选target非空的行，检查是否存在actual >= target的记录
    valid_target_rows = group[group['target'].notna()]
    met_condition = valid_target_rows[valid_target_rows['actual'] >= valid_target_rows['target']]
    
    if not met_condition.empty:
        # 取第一个满足条件的cost作为组基准
        base_cost = met_condition['cost'].iloc[0]
    else:
        # 找到组内出现次数最多的actual值，取其对应的第一个cost
        most_freq_actual = group['actual'].value_counts().idxmax()
        base_cost = group[group['actual'] == most_freq_actual]['cost'].iloc[0]
    
    # 为组内所有行设置cost_met
    group['cost_met'] = base_cost
    return group

# 分组处理并重置索引
df_final1 = df_final1.groupby('work').apply(process_group).reset_index(drop=True)
print(df_final1)

代码逻辑说明 #

1. 分组处理：按work分组后，对每个组单独计算基准cost
2. 优先取满足条件的cost：如果组内存在actual >= target的行，直接取第一个这类行的cost作为整个组的cost_met值
3. 无满足条件时的兜底逻辑：如果组内没有符合actual >= target的行，找到组内出现次数最多的actual值，取该值对应的第一个cost作为基准
4. 统一赋值：将基准cost赋值给组内所有行的cost_met列，匹配预期输出结果

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