Pandas如何批量将指定行年度汇总列设为该行最后一个非零季度值

错误原因 #

你之前的写法是直接对整个Series使用if判断，Pandas无法直接对序列整体返回单个布尔值，因此会抛出ValueError: The truth value of a Series is ambiguous错误，该写法仅支持单元素判断，不适合批量多行处理。

核心实现逻辑 #

针对两类KPI的计算需求，用向量化操作实现批量处理，无需逐行判断：

• 销售类KPI：直接按行对季度列求和
• 信息类KPI：将0替换为空值后按行向前填充，取最后一列的值即为最后一个非零季度值

可复用代码实现 #

1. 单年度单行批量处理 #

import pandas as pd

# 示例输入df
df = pd.DataFrame({
    '2020_Q1': [2, 3, 6, 20, 20],
    '2020_Q2': [2, 3, 6, 20, 20],
    '2020_Q3': [5, 3, 6, 20, 20], 
    '2020_Q4': [5, 4, 6, 20, 20],
    '2021_Q1': [5, 3, 7, 20, 20],
    '2021_Q2': [5, 4, 7, 20, 20],
    '2021_Q3': [5, 4, 0, 20, 20],
}, index = ['People', 'AA', 'BB', 'MM', '$$'])

# 配置参数
info_rows = ['People', 'AA', 'BB'] # 需取最后非零值的信息类KPI行
sum_rows = ['MM', '$$'] # 需求和的销售类KPI行

# 批量处理2020年度汇总
year = '2020'
q_cols = [c for c in df.columns if c.startswith(year)]
# 信息类行单行赋值
df.loc[info_rows, f'{year}_Total'] = df.loc[info_rows, q_cols].replace(0, pd.NA).ffill(axis=1).iloc[:, -1]
# 求和类行赋值
df.loc[sum_rows, f'{year}_Total'] = df.loc[sum_rows, q_cols].sum(axis=1)

# 批量处理2021年度汇总
year = '2021'
q_cols = [c for c in df.columns if c.startswith(year)]
df.loc[info_rows, f'{year}_Total'] = df.loc[info_rows, q_cols].replace(0, pd.NA).ffill(axis=1).iloc[:, -1]
df.loc[sum_rows, f'{year}_Total'] = df.loc[sum_rows, q_cols].sum(axis=1)

2. 全年度循环批量处理 #

如果需要处理多个年度，直接套循环即可：

# 提取所有需要处理的年度
years = list(set([c.split('_')[0] for c in df.columns if '_Q' in c]))
for year in years:
    q_cols = [c for c in df.columns if c.startswith(year)]
    df.loc[info_rows, f'{year}_Total'] = df.loc[info_rows, q_cols].replace(0, pd.NA).ffill(axis=1).iloc[:, -1]
    df.loc[sum_rows, f'{year}_Total'] = df.loc[sum_rows, q_cols].sum(axis=1)

输出结果验证 #

最终输出结果完全符合预期：

2020_Q1  2020_Q2  2020_Q3  2020_Q4  2021_Q1  2021_Q2  2021_Q3  2020_Total  2021_Total
People        2        2        5        5        5        5        5         5.0         5.0
AA            3        3        3        4        3        4        4         4.0         4.0
BB            6        6        6        6        7        7        0         6.0         7.0
MM           20       20       20       20       20       20       20        80.0        60.0
$$           20       20       20       20       20       20       20        80.0        60.0

内容的提问来源于stack exchange，提问作者GiveGet_15