Pandas按分组条件赋值生成新列的更优实现方案咨询

你可以直接通过Pandas的groupby+transform组合实现需求，无需创建临时表，单行代码即可完成：

针对第一个场景（C列等于0的条件） #

代码如下：

df['new_D'] = df.groupby(['A', 'B'])['D'].transform(lambda g: g[df.loc[g.index, 'C'] == 0].iloc[0])

针对第二个验证场景（C列等于'bar'的条件） #

仅需要修改transform内的过滤条件即可：

df['new_D'] = df.groupby(['A', 'B'])['D'].transform(lambda g: g[df.loc[g.index, 'C'] == 'bar'].iloc[0])

可选：异常兼容处理 #

如果存在部分A、B分组下没有符合C列条件的行，你可以扩展逻辑增加默认值兜底，避免索引报错：

# 无匹配时填充pd.NA，你也可以替换为其他默认值比如-1
df['new_D'] = df.groupby(['A', 'B'])['D'].transform(
    lambda g: g[df.loc[g.index, 'C'] == 'bar'].iloc[0] if any(df.loc[g.index, 'C'] == 'bar') else pd.NA
)

内容的提问来源于stack exchange，提问作者Tom S