pandas如何计算分组内前两个年度数据的平均值并存为新列

实现代码 #

提供两种实现方案，可按需选择： #

方案1：滚动窗口实现（通用可扩展）

适合数据存在更多年份的场景，会自动对应每行的前两年计算均值，无需硬编码年份：

import pandas as pd

# 构造原始数据
d2 = {'year': ['1996', '1997', '1998', '1996',  '1997', '1998'], 
      'country': ['USA', 'USA', 'USA', 'ITA', 'ITA', 'ITA'],
      'value': [0, 1, 3, 2.75, 1, 8]}
df2 = pd.DataFrame(data=d2)

# （可选）如果数据年份无序，先按国家+年份升序排序保证计算准确
df2 = df2.sort_values(['country', 'year'], ignore_index=True)

# 分组计算滚动2年的均值，偏移1行赋值给当前行
df2['2_prior_year_mean'] = df2.groupby('country')['value']\
                              .rolling(window=2).mean()\
                              .shift(1)\
                              .reset_index(level=0, drop=True)

方案2：固定匹配指定年份（仅针对1996、1997年求均值赋值给1998年）

如果需求是固定只计算1996和1997年的均值，仅给1998年的行赋值，可以用这个更直接的写法：

import pandas as pd

# 构造原始数据
d2 = {'year': ['1996', '1997', '1998', '1996',  '1997', '1998'], 
      'country': ['USA', 'USA', 'USA', 'ITA', 'ITA', 'ITA'],
      'value': [0, 1, 3, 2.75, 1, 8]}
df2 = pd.DataFrame(data=d2)

# 计算每个国家1996、1997年的value均值
prior_mean = df2[df2['year'].isin(['1996','1997'])].groupby('country')['value'].mean()

# 仅给1998年的行赋值均值，其余行设为NaN
df2['2_prior_year_mean'] = df2.apply(
    lambda x: prior_mean[x['country']] if x['year'] == '1998' else pd.NA, 
    axis=1
)

运行结果

两种方案执行后均可得到预期输出：

year country  value  2_prior_year_mean
0  1996     USA   0.00                NaN
1  1997     USA   1.00                NaN
2  1998     USA   3.00              0.500
3  1996     ITA   2.75                NaN
4  1997     ITA   1.00                NaN
5  1998     ITA   8.00              1.875

内容的提问来源于stack exchange，提问作者user14237226