Pandas按id分组计算date=0的profit均值并填充至原表所有对应行

问题原因 #

你遇到的NaN问题是因为df_filter仅包含date==0的行，分组计算得到的结果只有df_filter对应索引位置有值，赋值回原DataFrame时，date==1的行没有匹配的索引值，所以自动填充为NaN。

实现方法 #

方法1：先计算id维度的均值映射，再全量匹配（最简洁）

先筛选date==0的行按id分组计算均值，再通过id列映射到原表所有行：

# 计算每个id对应的date=0的profit均值
id_profit_mean = df[df['date'] == 0].groupby('id')['profit'].mean()
# 映射到原表所有行
df['affect'] = df['id'].map(id_profit_mean)

方法2：分组时直接指定计算规则，无需预筛选

直接对原表按id分组，在聚合逻辑里仅计算该分组下date=0行的均值，一次性生成全量的affect列：

df['affect'] = df.groupby('id')['profit'].transform(
    lambda x: x[df.loc[x.index, 'date'] == 0].mean()
)

方法3：补全你已生成的含NaN的affect列

如果你已经按原有代码生成了带NaN的affect列，直接按id分组做前后填充即可（前提是每个id至少存在1条date=0的记录）：

df['affect'] = df.groupby('id')['affect'].ffill().bfill()

以上三种方法都可以得到你期望的输出结果。

内容的提问来源于stack exchange，提问作者Parlielion