Python实现按行分组计算GDP年度百分比变动

我需要在一份数据集里，针对各个国家计算GDP的年度百分比变动。数据集每行对应一个国家的年度记录，结构如下：

理想情况是遍历行数据，当当前行与上一行国家相同时，计算两行的GDP百分比变动。目前我只能逐个处理每个国家，手动将结果添加到新列GDP%中。尝试把以下代码放入循环（将国家名设为变量）但未成功：

gdp_data['GDP%'] = 0
gdp_country = gdp_data[gdp_data['Country'] == 'Chile']
gdp_data['GDP%'] = gdp_country['GDP'].pct_change()

请问是否存在正确且更高效的实现方式？

核心思路：用groupby结合pct_change()实现批量计算 #

Pandas的分组（groupby）操作可以高效按国家分组计算，避免循环遍历每个国家的低效操作，同时自动处理不同国家的边界（不会跨国家计算变动）。

步骤1：预处理数据（解决重复行问题） #

你的数据存在同一国家同一年份的重复记录（比如智利2000年有两行完全相同的数据），这类重复行会干扰年度变动计算，需要先处理：

# 先按国家、年份排序，保证数据时序正确
gdp_data = gdp_data.sort_values(['Country', 'Year'])

# 对同一国家同一年的记录聚合，这里用均值，也可根据需求用first()/last()
gdp_data = gdp_data.groupby(['Country', 'Year']).agg(
    {'LifeExp': 'mean', 'GDP': 'mean'}
).reset_index()

步骤2：计算各国GDP年度变动 #

直接通过groupby按国家分组后，调用pct_change()即可得到每个国家的GDP年度百分比变动：

# 按Country分组，计算GDP的年度变动百分比，赋值给新列GDP%
gdp_data['GDP%'] = gdp_data.groupby('Country')['GDP'].pct_change()

原代码失效原因 #

你原代码的问题是：将gdp_country['GDP'].pct_change()赋值给整个gdp_data['GDP%']列时，非智利的行会被填充为NaN，而且循环处理每个国家不仅代码冗余，效率远低于Pandas的向量化分组操作。

补充说明 #

pct_change()的计算逻辑为：(当前行GDP - 上一行GDP) / 上一行GDP，完全符合年度百分比变动的需求。每个国家的第一行（最早年份）会显示NaN，因为没有上一年的数据，这是合理的。

内容的提问来源于stack exchange，提问作者tmrgn