如何遍历pandas DataFrame行基于a、b列值对f列求和并打标签

核心思路 #

不需要手动遍历行编写if条件判断，直接使用pandas内置的向量化操作、分组聚合能力即可实现需求，性能和代码可读性远高于手动遍历实现。

实现代码 #

1. 依赖导入与样例数据构造 #

import pandas as pd
import numpy as np

# 构造样例数据
data = {
    'a': [1.0, 1.0, 3.0, 1.0],
    'b': [2.0, 3.0, 1.0, 2.0],
    'c': [0, -1, 1, -1],
    'd': [0, 0, 0, -1],
    'e': [0, 0, 0, 0],
    'f': [2.567483, 2.567483, 2.567483, 2.567483]
}
df = pd.DataFrame(data)

2. 按a、b列分组对f列求和 #

# 分组计算求和结果，关联回原表
grouped_f = df.groupby(['a', 'b'])['f'].sum().rename('f_sum').reset_index()
df = df.merge(grouped_f, on=['a', 'b'], how='left')

3. 新增标签列 #

可根据实际标签规则选择实现方式，以下是两种高频场景的实现：

• 场景1：标签规则基于a、b的取值判断，多条件场景用np.select最优雅

# 自定义条件和对应标签
conditions = [
    (df['a'] == 1.0) & (df['b'] == 2.0),
    (df['a'] == 1.0) & (df['b'] == 3.0),
    (df['a'] == 3.0) & (df['b'] == 1.0)
]
tags = ['类型A', '类型B', '类型C']
df['tag'] = np.select(conditions, tags, default='其他类型')

• 场景2：标签规则基于求和结果f_sum的取值判断

df['tag'] = np.where(df['f_sum'] > 5, '高值分组', '低值分组')

方案优势 #

• 无显式行遍历，向量化操作性能远高于手动循环，数据量越大优势越明显
• 逻辑分层清晰，分组、打标签逻辑独立，后续调整规则修改成本极低
• 代码简洁，可读性强

内容的提问来源于stack exchange，提问作者ali