Python pandas如何分组并根据列的特定值生成对应新列

云原生阿岚

2026-8-27

Pandas实现主客场指标行转列分组方案

你需要的是将HA维度的行记录拆分为主客场独立列，按Team（含你代码框架里的Liga字段）分组输出，以下是两种可直接运行的实现方式：

方式1：基于你已写的`groupby+agg`框架实现

完全贴合你现有代码结构，直接补全agg逻辑即可：

df_ad = df_calc.groupby(['Team', 'Liga']).agg(
    Home_attack=('attack', lambda s: s[df_calc.loc[s.index, 'HA'] == 'Home'].iloc[0]),
    Home_defense=('defense', lambda s: s[df_calc.loc[s.index, 'HA'] == 'Home'].iloc[0]),
    Away_attack=('attack', lambda s: s[df_calc.loc[s.index, 'HA'] == 'Away'].iloc[0]),
    Away_defense=('defense', lambda s: s[df_calc.loc[s.index, 'HA'] == 'Away'].iloc[0])
).reset_index()

方式2：用`pivot`行转列实现（更简洁高效）

和你给出的CASE WHEN SQL逻辑完全等价，是pandas处理这类行转列需求的标准写法，可读性和执行效率都更高：

# 按HA维度拆分指标为多列
df_ad = df_calc.pivot(
    index=['Team', 'Liga'],
    columns='HA',
    values=['attack', 'defense']
)
# 拼接多层列名为目标格式：主客场_指标名
df_ad.columns = [f'{ha}_{metric}' for metric, ha in df_ad.columns]
# 重置索引把Team、Liga从索引转回普通列
df_ad = df_ad.reset_index()

补充说明

以上代码默认每个Team+Liga+HA组合下只有1条记录，如果存在多条重复记录，把代码里的.iloc[0]替换成你需要的聚合规则即可，比如取均值用.mean()、求和用.sum()
如果输出列顺序和你预期的Home_attack、Home_defense、Away_attack、Away_defense不一致，加一行代码重排即可：
```
df_ad = df_ad[['Team', 'Liga', 'Home_attack', 'Home_defense', 'Away_attack', 'Away_defense']]
```