如何在Python中按id_number遍历DataFrame分组后的行数据

我有如下结构的pandas DataFrame：

,id_number,x,y
0,000002,20,30
0,000002,30,30
0,000002,20,25
0,000002,10,3
1,000003,30,40
1,000003,40,50
1,000003,60,70
1,000003,70,78
....

每个id_number对应多条行数据，需求是遍历所有id_number，对每个id_number对应的行执行操作，伪代码如下：

for all id_numbers
   operate on the rows that have that id_number

请问如何用Python实现？

在pandas中可以通过groupby方法快速实现按ID分组处理，以下是两种常用实现方式：

方式一：直接遍历分组对象 #

先按id_number完成分组，再遍历每个分组的ID和对应的子DataFrame，直接对数据执行操作：

import pandas as pd

# 加载你的DataFrame（示例用csv加载，可替换为实际数据来源）
df = pd.read_csv('your_data_source.csv')

# 按id_number分组
grouped_data = df.groupby('id_number')

# 遍历每个分组
for id_num, sub_df in grouped_data:
    # 这里编写针对当前ID对应数据的操作逻辑
    print(f"正在处理ID: {id_num}")
    # 示例操作：计算x列的最大值和y列的最小值
    x_max = sub_df['x'].max()
    y_min = sub_df['y'].min()
    print(f"该ID下x的最大值: {x_max}, y的最小值: {y_min}\n")

方式二：用apply批量执行封装好的操作 #

如果你的处理逻辑可以封装成函数，使用apply会更简洁，它会自动将每个分组传入函数处理：

def process_single_group(sub_df):
    # 定义针对单个分组的处理逻辑
    stats = {
        'id': sub_df['id_number'].iloc[0],
        'x_avg': sub_df['x'].mean(),
        'y_total': sub_df['y'].sum(),
        'row_count': len(sub_df)
    }
    return pd.Series(stats)

# 应用函数到所有分组，得到汇总结果
processed_result = grouped_data.apply(process_single_group).reset_index(drop=True)
print(processed_result)

注意事项 #

• 示例中id_number是字符串格式（如000002），groupby会保留其原始格式，不会因为类型转换丢失前导零。
• 数据量较大时，优先使用apply或pandas向量化操作，比手动遍历效率更高。

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