DataFrame分组平均计算问题：最后一行数据未被纳入计算

原代码问题分析 #

1. 使用df.iloc[0:-1].iterrows()遍历会直接遗漏最后一行，导致最后一组column_a为0的行无法处理；
2. 直接用df['sum_c'][i]这种链式索引赋值，容易触发SettingWithCopyWarning，还可能导致数据赋值失败；
3. 第二个循环中判断df.loc[m+1, 'sum_c']时，若m为最后一行索引会出现越界报错，这也是你用iloc[0:-1]的原因，但同时带来了遗漏问题。

改进方案1：优化循环逻辑 #

先完整计算所有行的sum_c和count_d，再处理avg_e的计算：

import pandas as pd

# 初始化列，避免链式索引问题
df['sum_c'] = 0
df['count_d'] = 0
current_sum = 0
current_count = 0

# 遍历所有行计算sum_c和count_d
for idx, row in df.iterrows():
    if row['column_a'] == 0:
        current_sum += row['value_b']
        current_count += 1
        df.loc[idx, 'sum_c'] = current_sum
        df.loc[idx, 'count_d'] = current_count
    else:
        current_sum = 0
        current_count = 0
        df.loc[idx, 'sum_c'] = current_sum
        df.loc[idx, 'count_d'] = current_count

# 初始化avg_e列
df['avg_e'] = None
# 标记连续分组：当column_a与上一行不同时，分组ID+1
df['group_id'] = (df['column_a'] != df['column_a'].shift()).cumsum()

# 遍历每个分组，计算0分组的平均值
for _, group_df in df.groupby('group_id'):
    # 判断当前分组是否全为0
    if (group_df['column_a'] == 0).all():
        # 取分组最后一行的sum_c和count_d计算平均值
        avg = group_df['sum_c'].iloc[-1] / group_df['count_d'].iloc[-1]
        # 将平均值赋值给该分组的所有行（若只需最后一行，改为df.loc[group_df.index[-1], 'avg_e'] = avg）
        df.loc[group_df.index, 'avg_e'] = avg

# 可选：删除临时的group_id列
df.drop('group_id', axis=1, inplace=True)

改进方案2：纯Pandas分组实现（更高效） #

利用Pandas分组功能直接完成，避免循环，适合大数据量场景：

import pandas as pd

# 标记连续的0分组
df['group_id'] = (df['column_a'] != df['column_a'].shift()).cumsum()

# 计算每个分组的累计sum和count
df['sum_c'] = df.groupby('group_id')['value_b'].cumsum().where(df['column_a'] == 0, 0)
df['count_d'] = df.groupby('group_id').cumcount().where(df['column_a'] == 0, 0) + 1
df['count_d'] = df['count_d'].where(df['column_a'] == 0, 0)

# 计算每个0分组的平均值，并填充到组内所有行
group_avg = df[df['column_a'] == 0].groupby('group_id')['sum_c'].last() / df[df['column_a'] == 0].groupby('group_id')['count_d'].last()
df['avg_e'] = df['group_id'].map(group_avg)

# 可选：删除临时的group_id列
df.drop('group_id', axis=1, inplace=True)

关键说明 #

• 两种方案都能处理最后一组column_a为0的情况，不会遗漏；
• 方案1保留了循环逻辑，更贴近原代码思路；方案2用Pandas内置方法实现，效率更高；
• 若只需要在分组切换前的最后一行设置avg_e，修改赋值逻辑为仅针对分组最后一行索引即可。

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