Pandas遍历DataFrame列表动态生成按年与产品的营收汇总新列
代码优化方向说明
- 原有实现的核心局限:硬编码指定2019、2020两个拆分块,新增年份、产品品类时必须手动修改拆分和赋值逻辑,冗余度高、复用性差
- 完全匹配现有流程:适配多Excel读取后存为DataFrame列表的场景,不需要提前把全量数据合并再拆分,在每个独立df的处理环节完成列新增,再做最终拼接
优化后通用实现
import pandas as pd def process_single_df(df): # 自动提取年份标签(取年份后两位,比如2019→19),替换原有硬编码的年份判断 year_short = str(df["Year"].iloc[0])[-2:] # 生成对应年份的总营收列 df[f"{year_short} Total"] = df["Revenue"] # 自动遍历所有产品品类生成对应营收列,替换原有硬编码的DIGITAL/STORE判断 for prod in df["Product"].unique(): df[f"{year_short} {prod.title()}"] = df.loc[df["Product"] == prod, "Revenue"] return df # 对列表内的每个原始df批量执行处理,再完成拼接 processed_list = [process_single_df(each) for each in 你的原始DataFrame列表] final_df = pd.concat(processed_list).sort_index()
实现效果对齐
- 生成的列值逻辑和示例完全一致:当前行属于对应年份/品类时,直接填充自身营收值,不匹配的行自动留空
- 列命名和示例风格统一,不需要手动调整列名规则
- 后续新增年份、新增产品品类时,不需要修改核心处理逻辑,函数会自动识别生成对应列
内容的提问来源于stack exchange,提问作者David Warren
相关产品推荐
相关产品推荐

