Python：如何按国家分组遍历行并基于前一行计算值（续）

不需要强制使用MultiIndex（多层索引）结合for循环实现，最高效的思路是先按国家维度切分数据分组，每个分组内直接复用之前单国家场景下验证过的逐行计算逻辑即可，代码更简洁，出错概率更低。

具体实现方法 #

计算前先做基础预处理：必须先按国家、时间字段排序，避免行顺序错乱导致取到的“前一行”不是对应国家上一周期的数据，预处理代码：

import pandas as pd
# 按国家、日期升序排列，重置索引避免乱序
df = df.sort_values(by=['国家', '日期']).reset_index(drop=True)

场景1：计算逻辑为通用累计/滚动类规则 #

如果你的递推逻辑是累计求和、差分、滚动窗口计算这类pandas原生支持的操作，不需要写显式循环，直接分组调用内置方法即可，性能最高，且会自动在每个国家分组的第一行重置计算状态，不会跨国家串数据：

# 示例：按国家分组计算每个国家的每日累计值
df['累计数值'] = df.groupby('国家')['当日新增字段'].cumsum()

# 其他常用内置计算示例
# 差分：df['环比差值'] = df.groupby('国家')['目标字段'].diff()
# 滚动平均：df['3期滚动均值'] = df.groupby('国家')['目标字段'].rolling(3).mean().reset_index(drop=True)

场景2：自定义递推规则（依赖上一行的计算输出） #

如果你的逻辑是带分支判断、需要引用上一行计算得到的结果（比如自定义的库存结算、增长修正规则），直接把之前单国家场景写好的逐行计算逻辑封装成函数，通过groupby().apply()分国家调用即可，单国家的核心计算逻辑不需要做任何修改：

def calc_single_country(group_data):
    # 下面直接替换成你之前跑通的单国家逐行计算逻辑即可
    calc_result = []
    prev_value = 0  # 单国家的初始计算值，和单国家场景的初始设置保持一致
    for _, row in group_data.iterrows():
        # 示例自定义规则：当前行结算值 = 上一行结算值*0.9 + 当前行新增量
        current_value = prev_value * 0.9 + row['当日新增字段']
        calc_result.append(current_value)
        prev_value = current_value
    group_data['自定义递推结果'] = calc_result
    return group_data

# 按国家分组，每个组独立跑单国家计算逻辑
df = df.groupby('国家', group_keys=False).apply(calc_single_country)

关于MultiIndex方案的说明 #

你当然可以先把「国家+日期」设置为多层索引，再逐层遍历每个国家的索引切片执行计算，但这个方案本质和groupby分组逻辑没有区别，代码写起来更繁琐，还要额外处理索引对齐、切片赋值的问题，没有性能优势，属于冗余的绕路写法，不推荐使用。

内容的提问来源于stack exchange，提问作者user8536