如何在DataFrame中按组生成符合指定规则的average列

现有如下DataFrame：

需要生成包含新列average的结果DataFrame，取值规则如下：

• 按id执行group-by分组
• 每组中average列的首行值等于对应行的value值
• 组内其他行的average值为该之前所有value行（不含当前值）的均值

最终目标结果DataFrame如下：

可以通过Pandas分组结合累积统计与移位操作实现需求，代码如下：

import pandas as pd
import numpy as np

# 构造原始DataFrame
df = pd.DataFrame({
    'id': ['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'],
    'value': [2, 4, 3, 5, 1, 4, 3, 1, np.nan, 5]
})

def calculate_avg(group):
    # 计算组内value的累积和（自动忽略NaN）
    cum_sum = group['value'].cumsum()
    # 统计组内到当前行的非NaN值数量
    cum_count = group['value'].notna().cumsum()
    # 首行直接取value，其他行用前序所有行的均值
    group['average'] = np.where(
        cum_count == 1,
        group['value'],
        (cum_sum.shift(1) / cum_count.shift(1)).fillna(group['value'])
    )
    return group

# 分组应用计算逻辑
result_df = df.groupby('id', group_keys=False).apply(calculate_avg)

print(result_df)

代码说明 #

• cumsum()：计算每组value的累积和，自动跳过NaN值
• notna().cumsum()：统计每组截至当前行的有效数值（非NaN）数量
• shift(1)：将累积统计结果向下偏移一行，让当前行能获取到之前所有行的总和与数量
• np.where：区分首行与其他行的计算逻辑，首行直接取原value，其他行用前序数值的均值填充

运行代码后得到的结果与目标DataFrame完全一致。

内容的提问来源于stack exchange，提问作者ii mm