按日期分组修正值：DataFrame按时间日期分组后指定条件新增列需求

嘿，这个需求我熟！我来给你一步步拆解怎么实现～

首先先明确核心逻辑：我们需要先把「B列等于15:00:00」的行里的C名称和对应的D值提取出来做成映射表，再把这个映射表应用到整个DataFrame，就能新增出你要的匹配列了。

先给你模拟一个类似的DataFrame示例方便理解：

import pandas as pd

# 模拟你的按日期时间分组的DataFrame
data = {
    '日期': ['2024-05-01', '2024-05-01', '2024-05-02', '2024-05-02'],
    'B': ['14:00:00', '15:00:00', '14:00:00', '15:00:00'],
    'C': ['名称A', '名称A', '名称B', '名称B'],
    'D': [10, 20, 30, 40]
}
df = pd.DataFrame(data)

基础版：按C名称匹配 #

如果你的需求是同一个C名称不管日期，都匹配它所有15:00:00行的D值（假设同名称的D值在15:00时是一致的），可以这么写：

# 第一步：筛选出B列是15:00:00的行，生成C→D的映射字典
name_to_d = df[df['B'] == '15:00:00'].set_index('C')['D'].to_dict()

# 第二步：新增列，用map把映射匹配到每一行
df['匹配D值'] = df['C'].map(name_to_d)

运行后你会看到，所有名称A的行都会匹配到15:00对应的D值20，名称B的行匹配到40，完美符合需求～

进阶版：按日期+C名称组合匹配 #

如果你的DataFrame是按日期分组，同一个C名称在不同日期的15:00有不同D值，那就要把日期也加入映射的键，避免串值：

# 生成「日期+C名称」→D值的映射字典
date_name_to_d = df[df['B'] == '15:00:00'].set_index(['日期', 'C'])['D'].to_dict()

# 用组合键来匹配新增列
df['匹配D值'] = df.apply(lambda row: date_name_to_d.get((row['日期'], row['C'])), axis=1)

这样就能保证2024-05-01的名称A匹配当天15:00的D值，不会和其他日期的混淆。

处理缺失值 #

如果有些C名称（或日期+名称组合）没有对应的15:00行，map或get会返回NaN，你可以用fillna自定义缺失值显示：

df['匹配D值'] = df['C'].map(name_to_d).fillna('无对应15:00数据')

这样整个逻辑就完整啦，你可以根据自己的实际DataFrame结构调整代码～

内容的提问来源于stack exchange，提问作者Tie_24