按分组条件对DataFrame两列数据相除生成新数据表的实现方法

实现代码（基于Pandas） #

以下两种常用写法都可以达到你的需求： #

先构造测试数据（你已有DataFrame可跳过这步）

import pandas as pd

data = {
    "module": ["node[11]", "node[11]", "node[2]", "node[2]", "node[21]", "node[21]"],
    "name": ["x", "y", "x", "y", "x", "y"],
    "value": [4.0, 1.0, 2.0, 3.0, 6.0, 6.0]
}
df = pd.DataFrame(data)

方法1：透视表转换后计算（性能更高、写法简洁）

先把长表转成宽表，让每个module对应一行x、y的数值，直接做除法即可：

# 长表转宽表
df_pivot = df.pivot(index="module", columns="name", values="value").reset_index()
# 计算x/y，保留两位小数匹配你的预期输出
df_pivot["out"] = (df_pivot["x"] / df_pivot["y"]).round(2)
# 提取需要的字段得到最终结果
result = df_pivot[["module", "out"]]

方法2：分组自定义计算（适合后续逻辑扩展）

如果后续计算规则更复杂，可以用groupby+自定义函数实现：

def calc_group_out(group):
    x_val = group[group["name"] == "x"]["value"].iloc[0]
    y_val = group[group["name"] == "y"]["value"].iloc[0]
    return pd.Series({"out": round(x_val/y_val, 2)})

result = df.groupby("module", as_index=False).apply(calc_group_out)

内容的提问来源于stack exchange，提问作者netbug