在Python中基于两个独立DataFrame进行分组计算

核心思路 #

不需要单独使用groupby，直接通过**合并（merge）**将两个DataFrame按group和sub-group对齐，再计算比值是最直接的方案——因为你需要的是两个DF中对应分组的数值匹配计算，而非单DF的聚合操作。

步骤实现 #

1. 合并两个DataFrame（保留所有分组组合）

使用outer join模式合并，确保两个DF中所有group+sub-group的组合都被保留，缺失的value1或value2会自动填充为NaN：

import pandas as pd

# 你的原始DataFrame定义
df1 = pd.DataFrame({'sub-group':['2020','2030','2040','2030','2040','2030','2040'], 
                    'group':['a', 'a', 'a', 'b', 'b', 'c', 'c'],
                    'value1':[12,11,41,33,66,22,20]})

df2 = pd.DataFrame({'sub-group':['2020','2030','2040', '2020', '2030','2040','2030','2040'], 
                    'group':['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c'],
                    'value2':[10,20,30,15,45,60,12,36]})

# 按group和sub-group做outer合并
merged_df = pd.merge(df1, df2, on=['group', 'sub-group'], how='outer')

2. 计算比值并处理缺失值

直接对合并后的DF做除法运算，不匹配的分组会得到NaN；如果需要将NaN替换为0，使用fillna()即可：

# 计算value1/value2，不匹配的分组返回NaN
merged_df['value_ratio'] = merged_df['value1'] / merged_df['value2']

# 可选：将NaN替换为0
merged_df['value_ratio'] = merged_df['value_ratio'].fillna(0)

最终结果示例 #

合并并计算后的DF会包含所有分组组合，比如group=b, sub-group=2020的value1为NaN，对应的value_ratio会是NaN（或替换后的0）：

补充：如果必须用groupby的方案 #

如果一定要基于groupby实现，可先对两个DF分别按分组提取数值，再合并计算：

# 对df1按分组取value1（每个分组仅一条记录，用first/sum均可）
df1_grouped = df1.groupby(['group', 'sub-group'])['value1'].first().reset_index()
# 对df2同理
df2_grouped = df2.groupby(['group', 'sub-group'])['value2'].first().reset_index()
# 合并并计算比值
merged_grouped = pd.merge(df1_grouped, df2_grouped, on=['group', 'sub-group'], how='outer')
merged_grouped['value_ratio'] = merged_grouped['value1'] / merged_grouped['value2']

内容的提问来源于stack exchange，提问作者Novic