如何根据季度列内容筛选DataFrame中各Deal首季财务数据并合并为单列

没问题，我来帮你搞定这个需求！针对你给出的DataFrame，要提取每个Deal第一季度的Financial Data1并合并成单独一列，用pandas可以轻松实现，下面给你两种常用方法：

先修正并构造示例DataFrame #

首先先把你给出的排版有点混乱的DataFrame整理成标准格式（方便后续测试）：

import pandas as pd

data = {
    'Deal': [0, 1, 2, 1, 4, 7, 2, 5, 8],
    'Year': [1, 1, 1, 2, 2, 2, 3, 3, 3],
    'Date': ['1991/1/1', '1991/1/1', '1991/1/1', '1992/1/1', '1992/1/1', '1992/1/1', '1993/1/1', '1993/1/1', '1993/1/1'],
    'Financial Data1': [122, 122, 122, 85, 85, 85, 85, 85, 85],
    'Financial Data2': [123, 123, 123, 90, 90, 90, 90, 90, 90],
    'Financial Data3': [120, 120, 120, 80, 80, 80, 100, 100, 100],
    'Quarter': [1, 2, 3, 1, 2, 3, 1, 2, 3]
}
df = pd.DataFrame(data)

方法一：直接筛选+合并（简单直观） #

这种方法适合每个Deal只有一条第一季度记录的场景：

1. 先筛选出Quarter等于1的行，只保留Deal和Financial Data1两列
2. 重命名列名方便识别，再合并回原DataFrame（如果不需要合并，只保留结果列也可以）

# 筛选Q1数据并整理列名
q1_data = df[df['Quarter'] == 1][['Deal', 'Financial Data1']].rename(columns={'Financial Data1': 'Q1_Financial_Data1'})

# 合并回原DataFrame（如果只需要单独一列，直接用q1_data即可）
merged_df = df.merge(q1_data, on='Deal', how='left')

方法二：分组提取（灵活处理多场景） #

如果你的数据中存在同一个Deal对应多个第一季度记录（比如不同年份），可以用分组的方式灵活处理（比如取第一个值、平均值等）：

方式1：用groupby+apply提取 #

# 按Deal分组，提取每个组中Q1的Financial Data1（取第一个匹配值）
df['Q1_Financial_Data1'] = df.groupby('Deal').apply(
    lambda group: group[group['Quarter'] == 1]['Financial Data1'].iloc[0]
).reset_index(drop=True)

方式2：高效索引匹配（性能更优） #

如果数据量较大，这种方式比apply更高效：

# 先标记Q1的行，然后建立Deal到对应Financial Data1的映射
q1_mask = df['Quarter'] == 1
deal_q1_map = df.loc[q1_mask].set_index('Deal')['Financial Data1']

# 用映射给原DataFrame添加新列
df['Q1_Financial_Data1'] = df['Deal'].map(deal_q1_map)

两种方法最终都会得到一个包含新列Q1_Financial_Data1的DataFrame，每一行对应所属Deal的第一季度Financial Data1值。

内容的提问来源于stack exchange，提问作者Elias K.