You need to enable JavaScript to run this app. 如何在Pandas DataFrame中按行匹配5年区间累加列值
优惠活动
大模型
产品
解决方案
定价
更多

如何在Pandas DataFrame中按行匹配5年区间累加列值

Pandas 按时间范围逐行累加列值实现

要实现匹配示例的计算逻辑,核心是明确每一行的有效统计范围:对应当前行的开业年份,筛选列名落在「开业年份 ≤ 列名年份 ≤ 开业年份 + 5」区间内的列,对对应单元格值做累加。这个规则和给出的示例结果完全匹配。

高效向量化实现(适合大数据量场景)

通过广播运算避免逐行循环,性能表现更好,实现步骤如下:

  1. 准备原始DataFrame,确保行索引为开业年份、列名为关闭年份的整数格式
  2. 提取所有列对应的年份、行对应的开业年份,生成全量的年份差值矩阵
  3. 根据差值范围构造布尔掩码,标记需要参与累加的单元格
  4. 掩码和原始值逐元素相乘后按行求和,生成新列
  5. 重置行索引为普通列,得到最终输出结构

对应代码:

import pandas as pd
import numpy as np

# 构造和示例完全一致的原始数据
data = {
    2000: [1, 1, 0],
    2001: [0, 1, 0],
    2002: [0, 2, 0],
    2003: [0, 0, 4],
    2004: [1, 3, 0],
    2005: [0, 0, 0],
    2006: [0, 0, 0],
    2007: [0, 0, 0],
    2008: [1, 0, 0],
    2009: [0, 0, 0]
}
df = pd.DataFrame(data, index=[1999, 2000, 2001])
df.index.name = "YEAR_OPENED"

# 提取年份信息
col_years = df.columns.to_numpy()
open_years = df.index.to_numpy().reshape(-1, 1)

# 构造有效范围掩码
year_diff = col_years - open_years
valid_mask = (year_diff >= 0) & (year_diff <= 5)

# 计算累加值并生成新列
df["CLOSED_IN_5_YEARS"] = (df.values * valid_mask).sum(axis=1)

# 整理为最终结果格式
result = df.reset_index()[["YEAR_OPENED", "CLOSED_IN_5_YEARS"]]

运行后输出的result和预期的结构完全一致:

YEAR_OPENED  CLOSED_IN_5_YEARS
0         1999                   2
1         2000                   7
2         2001                   4

逐行遍历实现(逻辑直观易理解)

如果数据量不大,也可以用apply逐行处理,逻辑更直白:

def calc_range_sum(row):
    current_open_year = row.name
    # 筛选符合5年范围的列
    valid_cols = [col for col in df.columns 
                  if current_open_year <= col <= current_open_year + 5]
    return row[valid_cols].sum()

df["CLOSED_IN_5_YEARS"] = df.apply(calc_range_sum, axis=1)
result = df.reset_index()[["YEAR_OPENED", "CLOSED_IN_5_YEARS"]]

注意事项

  • 提前校验列名、行索引的数据类型,确保为整数格式的年份,如果是字符串类型需先完成转换:df.columns = df.columns.astype(int)、df.index = df.index.astype(int),否则无法计算年份差值
  • 如果实际业务的时间规则有调整(比如仅统计开业后第1到第5年的关闭数),只需要修改掩码的上下限即可,无需改动核心逻辑。

内容的提问来源于stack exchange,提问作者Soham

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.20 16:45:01