Pandas按组计算Col1、Col2与最新年份比值再相除生成新列

你需要的计算可以通过两种常用方式实现，代码和说明如下：

实现思路 #

核心逻辑是先按Group字段分组，提取每组2000年的Col_1和Col_2作为基准值，再广播到组内所有行按公式计算结果。

代码实现 #

方法1：groupby + apply 写法（易读性高，适合中小数据量） #

import pandas as pd
  
# 构造示例数据集
df = pd.DataFrame({'Year':[1995, 1996, 1997, 1998, 1999, 2000,1995, 1996, 1997, 1998, 1999, 2000],
                   'Group':['A', 'A', 'A','A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'B'],
                         'Col_1':[100, 200, 300, 400, 500, 600, 700, 800, 900, 1000, 1100, 1200],
                         'Col_2':[11, 22, 33, 44, 55, 66, 77, 88, 99, 199, 299, 399]})

# 分组计算函数
def calc_new_column(group):
    # 取当前组2000年的基准值
    base_col1 = group.loc[group['Year']==2000, 'Col_1'].iloc[0]
    base_col2 = group.loc[group['Year']==2000, 'Col_2'].iloc[0]
    # 按公式计算新列
    group['新列'] = (group['Col_1'] / base_col1) / (group['Col_2'] / base_col2)
    return group

# 执行分组计算
df = df.groupby('Group', group_keys=False).apply(calc_new_column)

方法2：映射广播写法（性能更高，适合百万级以上大数据量） #

# 提前提取所有组的2000年基准值，生成映射字典
base_col1_map = df[df['Year']==2000].set_index('Group')['Col_1'].to_dict()
base_col2_map = df[df['Year']==2000].set_index('Group')['Col_2'].to_dict()

# 直接按映射计算新列，不需要逐组遍历
df['新列'] = (df['Col_1'] / df['Group'].map(base_col1_map)) / (df['Col_2'] / df['Group'].map(base_col2_map))

结果验证 #

运行后可以看到：

• A组所有行的新列值均为1，符合示例中Col_1和Col_2同比例增长的计算预期
• B组1995-1997年的新列值为1，1998年计算结果约为1.67，和公式计算结果一致

内容的提问来源于stack exchange，提问作者Jiamei