Pandas DataFrame groupby分组按公式计算生成NEW行的问询

计算规则 #

针对每个Category分组内的同列年份数据，逐列执行运算：

• 取分组内对应列的Math值、English值求和
• 求和结果乘以同列的History值
• 最终乘积除以100，得到该单元格的计算值

可直接运行的代码 #

import pandas as pd
import numpy as np

# 匹配示例结构的原始DataFrame
df = pd.DataFrame({
    "Category": ["A", "A", "A", "B", "B", "B"],
    "course": ["Math", "English", "History", "Math", "English", "History"],
    "2010": [981, 14, 22.74, np.nan, np.nan, 22.74],
    "2011": [21, 1610, 15, np.nan, 1610, np.nan],
    "2012": [9817, 11487, 12256, 9817, 11, 25]
})

def calc_group_data(group):
    # 提取分组内三类课程的年份列数据
    math_row = group[group["course"] == "Math"][["2010", "2011", "2012"]].squeeze()
    eng_row = group[group["course"] == "English"][["2010", "2011", "2012"]].squeeze()
    hist_row = group[group["course"] == "History"][["2010", "2011", "2012"]].squeeze()
    
    # 按公式计算
    calc_res = (math_row + eng_row) * hist_row / 100
    
    # 构造符合输出结构的单行数据
    return pd.Series({
        "Category": group["Category"].iloc[0],
        "course": "NEW",
        **calc_res
    })

# 分组运算并整理最终输出
result = df.groupby("Category", group_keys=False).apply(calc_group_data).reset_index(drop=True)

结果说明 #

• 最终输出的DataFrame结构完全匹配预期：共2行，列依次为Category、course、2010、2011、2012，course列固定值为NEW
• 缺失值处理遵循pandas默认规则：参与运算的任意值为NaN时，对应计算结果自动为NaN，无需额外手动填充
• 可根据业务需求对浮点类型的计算结果做小数位格式化，不改动核心运算逻辑

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