基于动态范围计算A列平均值并新增列的Pandas技术问题

先直接说你的问题出在哪：你遇到的TypeError: Cannot index by location index with a non-integer key，是因为你在切片时犯了两个关键错误——一是用整个df['D']（一个Series）作为iloc的起始索引，而iloc只接受单个整数；二是df.loc['C'][-1]的写法完全不对，这是取C列的最后一个值（也就是'YES'），根本不是你要的当前行索引。

要实现你需要的逻辑，我们得逐行处理每一行的动态区间：当C列为YES时，用当前行的D值做起始索引，当前行的索引减1做结束索引，计算A列在这个区间的平均值；否则设为NaN。下面给你两种可行的实现方式：

方法1：用apply逐行计算（直观易读，适合小数据集） #

这是最直接的写法，逻辑和你的需求完全对应，新手也能一眼看懂：

import numpy as np
import pandas as pd

test = {'A' : [100, 120, 70, 300, 190, 70, 300, 190, 70], 
        'B' : [80, 50, 64, 288, 172, 64, 288, 172, 64], 
        'C' : ['NO', 'NO', 'YES', 'NO', 'YES', 'YES', 'NO', 'YES', 'YES'], 
        'D' : [0, 1, 0, 3, 2, 2, 3, 1, 4] }
df = pd.DataFrame(data=test)

def get_dynamic_average(row):
    if row['C'] == 'YES':
        start = row['D']
        end = row.name - 1  # row.name就是当前行的索引
        # 处理边界情况：如果起始索引大于结束索引，直接返回NaN
        if start > end:
            return np.nan
        # iloc是左闭右开区间，所以要给end加1才能包含该行
        return df['A'].iloc[start:end+1].mean()
    else:
        return np.nan

df['Dyn_Ave'] = df.apply(get_dynamic_average, axis=1)

运行后你就能得到期望的结果，比如：

• 索引2的行（C=YES）：取A列0到1行的平均值，(100+120)/2=110
• 索引8的行（C=YES）：取A列4到7行的平均值，(190+70+300+190)/4=187.5

方法2：前缀和优化（适合大数据集，速度更快） #

如果你的数据集很大，apply的效率会有点低，我们可以用前缀和减少重复计算：

import numpy as np
import pandas as pd

test = {'A' : [100, 120, 70, 300, 190, 70, 300, 190, 70], 
        'B' : [80, 50, 64, 288, 172, 64, 288, 172, 64], 
        'C' : ['NO', 'NO', 'YES', 'NO', 'YES', 'YES', 'NO', 'YES', 'YES'], 
        'D' : [0, 1, 0, 3, 2, 2, 3, 1, 4] }
df = pd.DataFrame(data=test)

# 计算A列的前缀和，开头加个0方便计算区间和
prefix_sum = pd.Series([0]).append(df['A'].cumsum(), ignore_index=True)

def get_dynamic_average_fast(row):
    if row['C'] == 'YES':
        start = row['D']
        end = row.name - 1
        if start > end:
            return np.nan
        # 区间和 = 前缀和[end+1] - 前缀和[start]
        total = prefix_sum[end+1] - prefix_sum[start]
        count = end - start + 1
        return total / count
    else:
        return np.nan

df['Dyn_Ave'] = df.apply(get_dynamic_average_fast, axis=1)

这种方法通过预计算前缀和，把每次求区间和的时间从O(n)降到O(1)，数据量越大优势越明显。

再复盘下你的原代码问题 #

你的代码里：

df['Dyn_Ave'] = np.where(df['C'] == 'YES', df['A'].iloc[df['D']:df.loc['C'][-1]].mean(), np.nan)

• df['D']是一整列数据，不是单个整数，iloc根本没法用它来切片
• df.loc['C'][-1]取的是C列最后一个值（'YES'），不是当前行的索引，完全偏离了需求

所以必须逐行获取当前行的D值和行索引，才能正确计算动态区间的平均值。

内容的提问来源于stack exchange，提问作者windwalker