本文旨在介绍如何利用 Pandas 的 groupby() 和 transform() 函数，结合自定义条件，在数据集中创建新的列。我们将通过示例演示如何根据分组和特定条件，将指定行的值应用到整个组，从而实现灵活的数据转换和计算。本文提供两种实现方法，并详细解释每种方法的原理和适用场景。
在数据分析中，经常会遇到需要根据分组和特定条件来创建新列的情况。Pandas 提供的 groupby() 和 transform() 函数结合使用，可以高效地实现这类需求。groupby() 函数用于将数据按照指定的列进行分组，而 transform() 函数则可以将一个函数应用到每个分组上，并将结果广播回原始 DataFrame。
下面，我们通过一个具体的例子来演示如何使用这两个函数，并结合自定义条件，来创建一个新的列。
示例数据
假设我们有以下 DataFrame，包含 'Group'（组别）、'Month'（月份）和 'Value'（值）三列：
import pandas as pd
data = pd.DataFrame({
'Group': ['A', 'A', 'A', 'A', 'B', 'B'],
'Month': [1, 2, 3, 4, 1, 2],
'Value': [100, 300, 700, 750, 200, 400]
})
print(data)我们的目标是创建一个名为 'Desired_Result' 的新列，该列的值等于每个组中 'Month' 为 2 的 'Value' 值。
方法一：使用 Series.map() 和布尔索引
这种方法首先使用布尔索引筛选出 'Month' 为 2 的行，然后使用 set_index() 将 'Group' 列设置为索引。最后，使用 Series.map() 函数将每个组对应的 'Value' 值映射回原始 DataFrame。
s = data[data['Month'].eq(2)].set_index('Group')['Value']
data['Desired_Result'] = data['Group'].map(s)
print(data)代码解释：
- data[data['Month'].eq(2)]: 这一步使用布尔索引，筛选出 data DataFrame 中 'Month' 列等于 2 的所有行。data['Month'].eq(2) 返回一个布尔 Series，其中每个元素表示 'Month' 列中对应的值是否等于 2。然后，这个布尔 Series 被用作索引，从 data 中选择满足条件的行。
- .set_index('Group'): 这一步将上一步筛选出的 DataFrame 的索引设置为 'Group' 列。这意味着 'Group' 列的值将成为 DataFrame 的索引标签，方便后续的查找操作。
- ['Value']: 这一步从设置了索引的 DataFrame 中选择 'Value' 列。结果是一个 Series，其索引是 'Group'，值是对应的 'Value'（仅包含 'Month' 为 2 的行）。
- data['Group'].map(s): 这是最关键的一步。data['Group'] 返回 data DataFrame 的 'Group' 列，它是一个 Series。.map(s) 方法将 s Series（包含 'Month' 为 2 的 'Value'，索引为 'Group'）映射到 data['Group'] 中的每个元素。换句话说，对于 data['Group'] 中的每个组，.map(s) 会在 s 中查找该组对应的 'Value' 值，并将该值赋给新的 Series 中的相应位置。如果 data['Group'] 中的某个组在 s 中没有找到对应的 'Value'（例如，如果某个组没有 'Month' 为 2 的行），则该位置的值将为 NaN。
- data['Desired_Result'] = ...: 最后，将新生成的 Series 赋值给 data DataFrame 的 'Desired_Result' 列，从而创建或更新该列。
方法二：使用 GroupBy.transform() 和 Series.where()
这种方法首先使用 Series.where() 函数将 'Month' 不为 2 的行的 'Value' 值替换为 NaN。然后，使用 groupby() 和 transform() 函数，将每个组的第一个非 NaN 值（即 'Month' 为 2 的 'Value' 值）广播回整个组。
s = data['Value'].where(data['Month'].eq(2))
data['Desired_Result'] = s.groupby(data['Group']).transform('first')
print(data)代码解释：
- data['Value'].where(data['Month'].eq(2)): 这一步使用 Series.where() 方法，根据条件 data['Month'].eq(2) 来选择性地保留 data['Value'] 中的值。具体来说，如果 data['Month'] 中的某个元素等于 2，则在结果 Series 中保留 data['Value'] 中对应位置的值；否则，将结果 Series 中对应位置的值替换为 NaN（Not a Number）。
- s.groupby(data['Group']): 这一步使用 groupby() 方法，根据 data['Group'] 列的值将上一步生成的 Series s 进行分组。这意味着具有相同 'Group' 值的元素将被分到同一个组中。
- .transform('first'): 这是 groupby() 方法之后应用的一个转换操作。.transform() 方法会将一个函数应用到每个组，并将结果广播回原始 Series 的形状。在这里，我们使用的函数是字符串 'first'，它表示选择每个组中的第一个非 NaN 值。由于 s 中 'Month' 不为 2 的行的值已经被替换为 NaN，因此每个组的第一个非 NaN 值就是该组中 'Month' 为 2 的行的 'Value' 值。
- data['Desired_Result'] = ...: 最后，将经过转换后的 Series 赋值给 data DataFrame 的 'Desired_Result' 列，从而创建或更新该列。
注意事项
- 如果某个组中没有 'Month' 为 2 的行，则 'Desired_Result' 列在该组中的值为 NaN。
- transform() 函数会将结果广播回原始 DataFrame 的形状，因此可以保证结果的长度与原始 DataFrame 相同。
- 如果使用 transform('first')，需要确保每个组中至少有一个满足条件的行，否则结果会是 NaN。
总结
本文介绍了两种使用 Pandas 的 groupby() 和 transform() 函数结合自定义条件来创建新列的方法。第一种方法使用 Series.map() 和布尔索引，更加直观易懂。第二种方法使用 Series.where() 和 transform('first')，更加简洁高效。您可以根据实际情况选择合适的方法。理解这些方法可以帮助你更灵活地处理和转换数据，从而更好地进行数据分析。
