Python中按指定逻辑计算新行并追加到Pandas DataFrame的方法

实现思路 #

先按Name和Date维度分组，计算每组内AC金额减AP金额得到AF的金额，生成新的AF行后拼接回原DataFrame即可，原有数据不会被修改。

完整代码 #

1. 依赖导入与示例数据构造 #

import pandas as pd

# 替换为你自己的DataFrame即可
df = pd.DataFrame({
    'Type': ['AC', 'AP', 'AC', 'AP', 'AC'],
    'Name': ['张三', '张三', '李四', '李四', '王五'],
    'Date': ['2024-01-01', '2024-01-01', '2024-01-01', '2024-01-01', '2024-01-02'],
    'amount': [100, 40, 200, 120, 150]
})

2. 计算AF类型的新行 #

af_rows = df.groupby(['Name', 'Date'], as_index=False).apply(
    lambda group: pd.Series({
        'Type': 'AF',
        'amount': group[group['Type'] == 'AC']['amount'].sum() - group[group['Type'] == 'AP']['amount'].sum()
    })
).reset_index(drop=True)

# 可选：过滤掉金额为空的组（即该组缺少AC或AP数据的行）
# af_rows = af_rows[af_rows['amount'].notna()]

3. 拼接原有数据和新行 #

final_df = pd.concat([df, af_rows], ignore_index=True)

# 可选：按名称、日期、类型排序，输出更规整
final_df = final_df.sort_values(['Name', 'Date', 'Type'], ignore_index=True)

说明 #

• 计算时使用sum()是为了兼容单个分组下AC/AP有多条记录的场景，如果你的数据中每个(Name, Date)分组下AC和AP最多各有一条，把sum()替换为iloc[0]也可以。
• 如果之前用pivot没成功，大概率是pivot后转换回长表的步骤出错，上面的分组apply写法更直观，不容易出现维度匹配问题。

内容的提问来源于stack exchange，提问作者lius667