本文介绍如何基于另一列的条件（如 quality == "normal"）提取分组基准值，并将其与同组内其他行的对应列进行二元运算（如计算溢价倍数），适用于多维度分组（item + shop）场景。
本文介绍如何基于另一列的条件（如 quality == "normal"）提取分组基准值，并将其与同组内其他行的对应列进行二元运算（如计算溢价倍数），适用于多维度分组（item + shop）场景。
在数据分析中，常需将某类观测值（如“稀有”品质商品价格）相对于同一分组内的基准值（如“普通”品质价格）进行标准化计算——例如计算「溢价倍数」premium = price / base_price。关键挑战在于：基准值不直接存在于当前行，而是隐藏在同 item 与同 shop 组内的特定 quality 行中。Pandas 提供了清晰、可扩展的解决方案，核心思路是：先提取基准值，再通过连接（merge）将其广播到所有匹配行，最后执行向量化运算。
✅ 推荐方案：merge + assign（稳健、通用、可扩展）
该方法不依赖数据排序，支持任意数量的分组维度（如 item、shop、region 等），且逻辑直观、易于调试：
# 假设 df 已加载，包含列：item, quality, price, shop
base_df = df.query('quality == "normal"')[['item', 'shop', 'price']]
base_df = base_df.rename(columns={'price': 'price_base'})
df = (df
.merge(base_df, on=['item', 'shop'], how='left')
.assign(premium=lambda x: x['price'].div(x['price_base']))
)
- query('quality == "normal"') 精准筛选出每组的基准记录；
- [['item', 'shop', 'price']] 仅保留分组键与基准值，减少内存开销；
- merge(..., on=['item', 'shop']) 实现左连接，自动将 price_base 广播至所有同组行；
- assign(premium=...) 使用链式操作安全添加新列，避免原地修改风险。
⚠️ 注意事项：
- 若某 item-shop 组不存在 quality == "normal" 的记录，price_base 将为 NaN，导致 premium 也为 NaN；建议预先校验：df.groupby(['item', 'shop']).filter(lambda g: (g['quality'] == 'normal').any())。
- 列名冲突时可通过 suffixes=('', '_base') 显式控制后缀（如示例中 price_base）。
? 备选方案：ffill()（简洁但有前提）
当数据已严格按 item → quality（有序）→ shop 排序，且每个分组首个非空 price 必为 "normal" 时，可用更简写法：
df['premium'] = df['price'].div(
df['price'].where(df['quality'] == 'normal').ffill()
)
- where(condition) 将非 "normal" 行置为 NaN；
- ffill() 向下填充，使每个分组内所有行获得首个 "normal" 的 price；
- div() 执行逐元素除法。
⚠️ 风险提示：此方法强依赖排序与数据完整性。若 normal 记录缺失、位置错乱或分组键未排序，结果将错误且难以排查。生产环境优先选用 merge 方案。
? 扩展性说明
两种方案均天然支持多级分组。例如，若还需按 region 和 currency 细分，只需：
- merge 方案：将 on=['item', 'shop'] 改为 on=['item', 'shop', 'region', 'currency']，并确保 base_df 包含全部分组键；
- ffill 方案：需确保 sort_values(['item', 'region', 'currency', 'quality']) 且 quality 为 CategoricalDtype（categories=['normal', 'rare', 'legendary']）以保证顺序。
最终，premium 列即为各商品在各商店中相对于其“普通”品质的价格倍数，可直接用于可视化、阈值过滤或下游建模——精准、高效、一次到位。
