如何从现有DataFrame聚合生成指定结构的新DataFrame？

假设你的原始DataFrame包含以下关键列：Source country continent（来源国所属大洲）、Destination country（目标国）、capital expenditure（资本支出），我们可以通过以下步骤生成目标结构的DataFrame：

步骤1：明确计算条件 #

根据你的需求，第一个条件是来源国为欧盟（EU），另外三个条件可根据实际业务补充（比如：来源国为非欧盟欧洲国家、来源国为非欧洲国家、全球所有来源国等），这里先给出通用示例条件：

• 条件1：Source country continent == 'EU'
• 条件2：Source country continent == 'Non-EU Europe'
• 条件3：Source country continent == 'Non-Europe'
• 条件4：无大洲限制（所有来源）

步骤2：代码实现 #

import pandas as pd

# 替换为你的真实DataFrame
df = pd.DataFrame({
    'Source country continent': ['EU', 'EU', 'Non-EU Europe', 'Non-Europe', 'EU'],
    'Destination country': ['Austria', 'Germany', 'Austria', 'Austria', 'Germany'],
    'capital expenditure': [100, 200, 150, 50, 300]
})

# 提取所有作为目标国的欧洲国家
european_destinations = df['Destination country'].unique()

# 初始化结果DataFrame
result_df = pd.DataFrame(index=european_destinations)

# 按条件计算各维度的资本支出总和
result_df['EU来源总支出'] = df[df['Source country continent'] == 'EU'].groupby('Destination country')['capital expenditure'].sum()
result_df['非欧盟欧洲来源总支出'] = df[df['Source country continent'] == 'Non-EU Europe'].groupby('Destination country')['capital expenditure'].sum()
result_df['非欧洲来源总支出'] = df[df['Source country continent'] == 'Non-Europe'].groupby('Destination country')['capital expenditure'].sum()
result_df['全部来源总支出'] = df.groupby('Destination country')['capital expenditure'].sum()

# 填充无数据的项为0，重置索引并调整列名
result_df = result_df.fillna(0).reset_index().rename(columns={'index': '目标国家'})

print(result_df)

代码说明 #

• 通过条件筛选+groupby实现分维度求和，精准匹配每个目标国的对应来源支出；
• 用fillna(0)处理无对应数据的场景（比如某国没有非欧洲来源的支出）；
• 最后重置索引、修改列名，得到和目标结构一致的DataFrame。

如果你的四个条件和示例不同，只需要修改筛选条件（df[xxx]部分）和对应的列名即可。

内容的提问来源于stack exchange，提问作者Carmen Moreno Martínez