如何为Pandas DataFrame添加对应Name出现次数的Price列

完整实现代码 #

import pandas as pd

# 构造示例数据（替换为你的实际DataFrame）
data = {
    'Name': ['a', 'a', 'a', 'b', 'b', 'c'],
    'Year': [2019, 2020, 2021, 2015, 2019, 2011],
    'Price': [10, 20, 30, 55, 75, 15]
}
df = pd.DataFrame(data)

# 获取每个Name的最大出现次数
max_occurrences = df['Name'].value_counts().max()

# 生成Price_2到Price_{max_occurrences}列
for i in range(2, max_occurrences + 1):
    # 移位i-1位后向前填充，确保历史值能传递到后续行
    df[f'Price_{i}'] = df.groupby('Name')['Price'].shift(i-1).ffill()

# 将空值填充为0，并转换为整数类型（匹配原Price格式）
df = df.fillna(0).astype({col: int for col in df.columns if col.startswith('Price_')})

print(df)

代码说明 #

1. 分组移位：通过groupby('Name')['Price'].shift(i-1)，按Name分组后将Price列向上移动i-1行，这样第n行的Price_i会对应同组内第n-(i-1)行的原始Price值。
2. 向前填充：.ffill()用于补全移位后出现的空值，比如第三个a的Price_2需要继承第一个a的Price值，通过向前填充实现值的传递。
3. 空值补0：fillna(0)将每组前i-1行没有历史值的位置填充为0，符合需求格式。
4. 类型统一：最后转换为整数类型，保证新列和原Price列的数据格式一致。

输出结果 #

如果你的数据中Name的最大出现次数为4，代码会自动生成Price_2、Price_3、Price_4三列，无需手动修改。

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