如何按Car#分组为DataFrame新增Baseline列并填充对应基准值

我有一个包含Car#、measurement_type、measurement_value列的DataFrame，数据如下：

Car#     measurement_type      measurement_value 
1         back to back1                10.3
1         back to back2                10.2
1         baseline                     10.4
2         back to back1                11.5
2         back to back2                10.8
2         baseline                     10.9    

希望新增一列Baseline，填充每辆车对应的baseline值，期望输出：

Car#     measurement_type      measurement_value      Baseline
1         back to back1                10.3              10.4
1         back to back2                10.2              10.4  
1         baseline                     10.4              10.4
2         back to back1                11.5              10.9
2         back to back2                10.8              10.9
2         baseline                     10.9              10.9

我尝试了以下代码但无法正常运行：

grouped = df.groupby('car#')
for i in grouped:
    if df['measurement_type'] == 'baseline':
        df['Baseline'] = df.loc[df['measurement_type'] == 'baseline','measurement_value']

问题分析 #

你的代码存在两个核心问题：

1. 分组循环逻辑错误：groupby返回的是(组标识, 子DataFrame)的元组，你的循环没有对每个分组单独处理，而是直接操作整个原DataFrame。
2. 赋值逻辑错误：直接给df['Baseline']赋值时，没有按Car#匹配对应baseline值，会导致值无法正确对应到每辆车。

方法1：使用map（高效简洁） #

先提取每个Car#对应的baseline值生成字典，再通过map快速匹配填充：

# 提取每个Car#的baseline值，转为字典
baseline_map = df[df['measurement_type'] == 'baseline'].set_index('Car#')['measurement_value'].to_dict()
# 给新列赋值
df['Baseline'] = df['Car#'].map(baseline_map)

方法2：使用groupby.transform #

利用transform对每个分组广播baseline值，适合需要在分组内做更多操作的场景：

df['Baseline'] = df.groupby('Car#').apply(
    lambda group: group['measurement_value'][group['measurement_type'] == 'baseline'].iloc[0]
).reset_index(level=0, drop=True)

方法3：使用merge #

通过合并操作将baseline数据关联到原DataFrame，逻辑直观：

# 提取baseline数据并重命名列
baseline_df = df[df['measurement_type'] == 'baseline'][['Car#', 'measurement_value']].rename(columns={'measurement_value': 'Baseline'})
# 左连接合并
df = df.merge(baseline_df, on='Car#', how='left')

以上三种方法都能实现需求，其中map方法性能最优，适合处理大数据量。

内容的提问来源于stack exchange，提问作者Soodi