如何在Pandas DataFrame中新增匹配ID与Category分组special值的新列

方案1：使用映射字典实现（性能更优，适合大数据量） #

# 提取所有special行，构建(ID, Category)到对应Value的映射
special_mapping = df[df["Description"].eq("special")].set_index(["ID", "Category"])["Value"].to_dict()
# 按行匹配映射生成新列
df["special_value"] = df.apply(lambda row: special_mapping[(row["ID"], row["Category"])], axis=1)

方案2：使用groupby + transform实现（逻辑更直观，适合小数据量） #

如果同一个分组内存在多个special行需要取平均值，可以直接调整聚合逻辑：

df["special_value"] = df.groupby(["ID", "Category"])["Value"].transform(
    lambda group_val: group_val[df.loc[group_val.index, "Description"].eq("special")].mean()
)

补充说明 #

你之前的代码失效大概率是因为分组后部分组内没有special行导致的空值传播问题，以上两种方案都兼容分组内无special行的场景（无对应值时返回NaN）。如果需要对无special值的分组填充默认值，可以在生成列后链式调用fillna(默认值)即可。

内容的提问来源于stack exchange，提问作者user