Python中按两列分组并基于条件减法生成新列的实现方法

架构老林

2026-8-26

解决方案

先定义示例DataFrame（假设你的数据结构如下）：

import pandas as pd

df = pd.DataFrame({
    'A': [1,1,1,2,2,2],
    'B': [1,2,3,1,2,3],
    'C': [10,20,30,5,15,25],
    'D': ['X','X','X','Y','Y','Y']
})

期望输出的e列应为：[-10, 0, 10, -10, 0, 10]

方法1：使用`transform`实现

transform能在分组后返回与原DataFrame长度一致的结果，完美适配这个场景：

# 按A和D分组，提取每组中B=2对应的C值，用transform广播到整组
df['e'] = df['C'] - df.groupby(['A', 'D'])['C'].transform(lambda x: x[df.loc[x.index, 'B'] == 2].iloc[0])

代码说明：

groupby(['A', 'D'])['C']：按A、D列分组，聚焦C列数据
transform(lambda x: x[df.loc[x.index, 'B'] == 2].iloc[0])：对每组执行lambda函数，通过索引匹配找到该组中B=2对应的C值，再用transform将这个值广播到组内所有行
用原C列减去广播后的基准值，得到新列e

方法2：使用`map`结合分组结果实现

先预先计算每组对应的基准值，再通过map匹配到原DataFrame：

# 先计算每组(A,D)对应的B=2的C值，生成字典映射
base_values = df[df['B'] == 2].set_index(['A', 'D'])['C'].to_dict()

# 用map将每行的(A,D)对应到基准值，再做减法
df['e'] = df['C'] - df.set_index(['A', 'D']).index.map(base_values)

代码说明：

df[df['B'] == 2].set_index(['A', 'D'])['C'].to_dict()：筛选出B=2的行，以(A,D)为索引转成字典，键为(A,D)元组，值为对应C值
df.set_index(['A', 'D']).index.map(base_values)：把原DataFrame索引换成(A,D)，用map匹配字典中的基准值，得到每行对应的基准值序列
原C列减去该序列，得到新列e