Pandas 按Col1分组用c-(a+b)规则更新指定行Col3值的实现方法

整个需求的核心是按Col1做分组维度的条件计算，仅需修改每个分组下Col2 == 'c'对应行的Col3值，其余行数据保持不变，不需要全表遍历修改，推荐用向量化操作实现，运行效率远高于逐行循环。 #

涉及的核心Pandas操作 #

• groupby：按唯一的Col1值做数据分组，聚合计算每个分组下Col2为a、b的Col3值总和
• 布尔索引（loc掩码）：精准定位到每个分组下Col2 == 'c'的目标行，仅对目标行做值更新，避免误改其他行数据
• map：把分组计算得到的a+b总和，按Col1的取值对齐映射到对应的c行位置，完成差值计算

可直接运行的完整示例代码 #

import pandas as pd

# 构建题目中的初始DataFrame
df = pd.DataFrame({
    "Col1": ["x", "x", "x", "y", "y", "y"],
    "Col2": ["a", "b", "c", "a", "b", "c"],
    "Col3": [10, 12, 25, 13, 14, 37]
})

# 1. 计算每个Col1分组下a、b行的Col3值之和
ab_total = df[df["Col2"].isin(["a", "b"])].groupby("Col1")["Col3"].sum()

# 2. 定位c行位置，完成值更新
c_row_mask = df["Col2"] == "c"
df.loc[c_row_mask, "Col3"] = df.loc[c_row_mask, "Col3"] - df.loc[c_row_mask, "Col1"].map(ab_total)

代码运行后的输出结果 #

和题目期望的输出完全一致：

注：以上写法为纯向量化实现，无逐行apply开销，数据量较大时也能保持较快的运行速度。

内容的提问来源于stack exchange，提问作者CrookedNoob