本文介绍如何在 pandas 中对时间-区域组合分组计算变量均值，并基于“lower/upper”分组顺序与数值关系，智能分配环形索引（loop id），使数据点可按 0→1→2→3→0 顺序构成闭合多边形。
在地理可视化或面积图（如带状误差图、置信区间填充多边形）中，常需将成对的 lower 和 upper 边界值按时空维度组织，并确保其坐标点能首尾相连形成闭合多边形。本教程以一个典型结构化数据为例，完整演示两个核心操作：
- 按 year 和 region 分组计算 var 的均值（即每组内 lower 与 upper 的算术平均）；
- 为每组内 4 个观测点（2 年 × 2 组）分配 loop 索引，使其排列顺序满足多边形顶点连接逻辑：2010-lower → 2011-lower → 2011-upper → 2010-upper → 回到起点，对应索引 [0, 1, 2, 3]。
✅ 实现步骤详解
步骤 1：构造示例数据
import pandas as pd
mydict = {
'year': [2010, 2010, 2011, 2011, 2010, 2010, 2011, 2011],
'region': [1, 1, 1, 1, 2, 2, 2, 2],
'group': ['lower', 'upper', 'lower', 'upper', 'lower', 'upper', 'lower', 'upper'],
'var': [10, 20, 30, 40, 50, 60, 70, 80]
}
df = pd.DataFrame(mydict)步骤 2：添加 average 列（组内均值）
使用 groupby(...).transform('mean') 在保持原始行数的前提下，为每组（year + region）广播均值：
df['average'] = df.groupby(['year', 'region'])['var'].transform('mean')步骤 3：生成 loop 列（多边形顶点序号）
关键在于自定义排序逻辑：
- 所有 lower 行应排在 upper 前面；
- 同为 lower 时，按 var 升序（即年份早→晚）；
- 同为 upper 时，按 var 降序（即年份晚→早），从而实现“外圈顺时针”或“内圈逆时针”的环形布局。
技巧：用 mask 将 upper 的 var 取负，再统一按 group（字符串自然序：'lower'
df['loop'] = (
df.assign(var=df['var'].mask(df['group'].eq('upper'), -df['var']))
.sort_values(by=['group', 'var'])
.groupby('region')
.cumcount()
)
? 原理说明：mask(condition, other) 将 upper 行的 var 替换为 -var，例如原 2010-upper:20 → -20，2011-upper:40 → -40。排序时：lower 行保留正值：10, 30, 50, 70 → 升序为 10→30→50→70upper 行变为负值：-20, -40, -60, -80 → 升序为 -80→-60→-40→-20，即对应原 80→60→40→20 结合 group 排序（lower 先于 upper），最终顺序为：2010-lower(10) → 2011-lower(30) → 2011-upper(40) → 2010-upper(20) → 恰好生成 [0,1,2,3]。
✅ 最终结果验证
print(df.sort_values(['region', 'year', 'group']).reset_index(drop=True))
输出：
year region group var average loop 0 2010 1 lower 10 15.0 0 1 2010 1 upper 20 15.0 3 2 2011 1 lower 30 35.0 1 3 2011 1 upper 40 35.0 2 4 2010 2 lower 50 55.0 0 5 2010 2 upper 60 55.0 3 6 2011 2 lower 70 75.0 1 7 2011 2 upper 80 75.0 2
⚠️ 注意事项
- 此方法假设每个 (region, year) 组严格包含且仅包含一个 lower 和一个 upper 记录；若存在缺失或冗余，需先用 drop_duplicates 或 pivot 校验结构。
- loop 索引是按 region 分组独立编号的，不同 region 的 loop 值不互通，符合多边形各自闭合的需求。
- 若后续需绘制多边形，可按 region → loop 排序后调用 plt.fill() 或 geopandas.GeoDataFrame 构建 LinearRing。
该方案简洁、向量化、无需循环，适用于大规模时空分组数据的多边形准备任务。
