如何用Python获取Pandas分组后每组最后阶段值并添加为新列？

首先说下你代码报错的原因：当你用df.apply(stage, axis=1)时，传给stage函数的不是整个DataFrame，而是每一行的Series对象。你在函数里循环df['Name']，这时候的df其实是单行数据，df['Name']就是单个字符串（比如'a'），之后你调用df['Stage'].iloc[-1]，但这里的df['Stage']是单个字符串值，根本不是带索引的Series，自然没有iloc方法，所以才会抛出AttributeError。

下面给你几个简单高效的正确解法，都能完美实现你的需求：

方法一：groupby + transform（最推荐） #

这是最简洁高效的方式，先按Name分组，然后取每组最后一个Stage，再用transform把结果自动广播到每一行：

df['Last_Stage'] = df.groupby('Name')['Stage'].transform(lambda x: x.iloc[-1])

groupby('Name')把数据按姓名分组，transform会将每组的计算结果（最后一个Stage）对应到原DataFrame的每一行，完全匹配你的期望输出。

方法二：字典映射法 #

先提取每个Name对应的最后一个Stage生成字典，再用map快速映射到新列：

# 生成Name到最后一个Stage的字典
last_stage_map = df.groupby('Name')['Stage'].last().to_dict()
# 映射到原DataFrame
df['Last_Stage'] = df['Name'].map(last_stage_map)

groupby('Name')['Stage'].last()会直接获取每组最后一个Stage的值，转成字典后用map匹配，速度很快，逻辑也清晰。

方法三：合并DataFrame法 #

先创建一个只包含Name和对应最后一个Stage的临时表，再和原表合并：

# 创建临时DataFrame，只保留Name和对应的最后一个Stage
last_stage_df = df.groupby('Name').last()[['Stage']].rename(columns={'Stage': 'Last_Stage'}).reset_index()
# 左合并到原DataFrame
df = df.merge(last_stage_df, on='Name', how='left')

这种方法更适合喜欢用合并逻辑的场景，结果和前两种完全一致。

测试一下这些方法，用你的示例数据运行后，就能得到你想要的输出啦～

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