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:
- 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
- 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
- 根据差值范围构造布尔掩码,标记需要参与累加的单元格
- 掩码和原始值逐元素相乘后按行求和,生成新列
- 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
相关产品推荐

