如何用Pandas的iterrows()比较多行值并计算分组均值？

需求说明 #

使用Pandas的iterrows()方法比较DataFrame中当前行与下一行的数值，按Month和Year分组计算3_Mo列的平均值，仅将平均值填入每组最后一行的Avg_3_Mo列，其余行保持0。

初始代码及问题 #

用户提供的初始代码如下，其中比较当前行与下一行Month值的逻辑无法正常运行：

yc_df = pd.DataFrame([[7,1,1990,0], [7.5,1,1990,0], [8,2,1990,0],[8.5,2,1990,0]], columns=['3_Mo', 'Month','Year', 'Avg_3_Mo'])

#initially, yc_df['Avg_3_Mo'] has been initialised to all 0s.

for index, row in yc_df.iterrows():
  if math.isnan(row['3_Mo']) == False:
    count += 1
    sum_3mo += row['3_Mo']
    avg_3mo = sum_3mo/count 

if row['Month']!= (row+1)['Month']: **#Here I want to compare the current row value with the next row**
  row['Avg_3_Mo'] = avg_3mo
  sum_3mo = 0 
  avg_3mo = 0

预期输出 #

3_Mo  Month  Year  Avg_3_Mo
0  7      1     1990     0
1  7.5    1     1990     7.25
2  8      2     1990     0
3  8.5    2     1990     8.25

问题分析 #

原代码存在几个核心问题：

• 错误使用row+1获取下一行：row是Series对象，直接加法是对元素值做运算，而非获取下一行数据，需通过索引index+1访问原DataFrame的下一行
• 变量未初始化：count、sum_3mo未提前赋值，运行会抛出NameError
• 修改行数据无效：iterrows()返回的是行的副本，直接修改row不会同步到原DataFrame，需通过索引定位修改
• 未处理最后一行：最后一行没有下一行，需要直接作为组的末尾填充平均值
• 分组逻辑不完整：仅对比Month，未考虑Year，不符合需求中的分组规则

修正后的代码 #

import pandas as pd
import math

yc_df = pd.DataFrame([[7,1,1990,0], [7.5,1,1990,0], [8,2,1990,0],[8.5,2,1990,0]], columns=['3_Mo', 'Month','Year', 'Avg_3_Mo'])

# 初始化累计计算的变量
count = 0
sum_3mo = 0
avg_3mo = 0

for index, row in yc_df.iterrows():
    # 跳过空值（若存在），累计当前行的3_Mo值
    if not math.isnan(row['3_Mo']):
        count += 1
        sum_3mo += row['3_Mo']
        avg_3mo = sum_3mo / count

    # 判断当前行是否为所在分组的最后一行
    is_last_in_group = False
    # 非最后一行时，对比下一行的Month和Year
    if index < len(yc_df) - 1:
        next_row = yc_df.iloc[index + 1]
        if row['Month'] != next_row['Month'] or row['Year'] != next_row['Year']:
            is_last_in_group = True
    else:
        # 最后一行直接判定为分组末尾
        is_last_in_group = True

    if is_last_in_group:
        # 通过索引修改原DataFrame的Avg_3_Mo列
        yc_df.loc[index, 'Avg_3_Mo'] = avg_3mo
        # 重置累计变量，准备下一组计算
        count = 0
        sum_3mo = 0
        avg_3mo = 0

# 打印结果
print(yc_df)

运行结果 #

3_Mo  Month  Year  Avg_3_Mo
0   7.0      1  1990      0.00
1   7.5      1  1990      7.25
2   8.0      2  1990      0.00
3   8.5      2  1990      8.25

关键修改说明 #

• 提前初始化count、sum_3mo、avg_3mo，避免未定义错误
• 使用yc_df.iloc[index+1]正确获取下一行数据，同时对比Month和Year两个分组键
• 处理最后一行的边界情况，确保分组末尾都能填充平均值
• 通过yc_df.loc[index, 'Avg_3_Mo']修改原DataFrame，保证修改生效
• 保留空值判断逻辑，增强代码鲁棒性

内容的提问来源于stack exchange，提问作者Ansh Gupta