基于多分组条件在Python中创建新列的实现方案

现有如下DataFrame，需创建名为Bond的新变量，按国家和年份将Pool类型Collateral对应的Rate除以Single类型Collateral对应的Rate。例如第0行的Rate（DE-2016-Pool）除以第4行的Rate（DE-2016-Single）、第8行的Rate（GB-2017-Pool）除以第7行的Rate（GB-2017-Single）；若某国家某年份同时缺失Pool和Single Collateral的观测值，则填充缺失值。

原始数据代码 #

import pandas as pd

df = {
    'Date': [2016, 2016, 2016, 2016, 2016, 2016, 2016, 2017, 2017, 2017, 2017, 2017, 2017],
    'Country': ['DE', 'AT','GB', 'FR', 'DE', 'FR', 'AT', 'GB', 'GB', 'DE', 'AT', 'FR' , 'AT'],
    'Collateral': ['Pool', 'Pool', 'Single', 'Single', 'Single', 'Pool', 'Single', 'Single', 'Pool', 'Pool', 'Pool', 'Pool', 'Single'],
    'Rate': [0.2, 0.3, 0.1, 0.4, 0.6, 0.002, 0.005, 0.2, 0.9, 0.5, 0.67, 0.08, 0.4]
}

df = pd.DataFrame(df)

解决方案 #

通过pivot_table将同国家同年份的Pool、Single数据整理到同一行，计算比值后合并回原DataFrame即可：

# 1. 按年份、国家分组，将Collateral类型转为列，提取对应Rate
pivot_df = df.pivot_table(
    index=['Date', 'Country'],
    columns='Collateral',
    values='Rate',
    aggfunc='first'  # 假设每个(Date, Country, Collateral)组合唯一，有重复可替换为mean等
).reset_index()

# 2. 计算Bond值：Pool / Single，缺失值自动保留NaN
pivot_df['Bond'] = pivot_df['Pool'] / pivot_df['Single']

# 3. 将Bond值合并回原DataFrame
result_df = df.merge(pivot_df[['Date', 'Country', 'Bond']], on=['Date', 'Country'], how='left')

# 查看结果
print(result_df)

运行结果 #

Date Country Collateral   Rate      Bond
0   2016      DE       Pool  0.200  0.333333
1   2016      AT       Pool  0.300  60.000000
2   2016      GB     Single  0.100       NaN
3   2016      FR     Single  0.400   0.005000
4   2016      DE     Single  0.600  0.333333
5   2016      FR       Pool  0.002   0.005000
6   2016      AT     Single  0.005  60.000000
7   2017      GB     Single  0.200   4.500000
8   2017      GB       Pool  0.900   4.500000
9   2017      DE       Pool  0.500       NaN
10  2017      AT       Pool  0.670   1.675000
11  2017      FR       Pool  0.080       NaN
12  2017      AT     Single  0.400   1.675000

说明 #

• aggfunc='first'用于处理同一(Date, Country, Collateral)组合的重复记录，若数据中该组合唯一，可保留；若有重复，可改为mean（均值）、max（最大值）等。
• 计算Bond时，pandas会自动处理缺失情况：只要Pool或Single任一缺失，结果为NaN；两者都缺失时结果也为NaN，符合需求。
• merge使用how='left'保证原DataFrame所有行被保留，仅匹配对应的Bond值。

内容的提问来源于stack exchange，提问作者Lisa