您可能需要执行groupby.sum，然后执行unstack和merge：

df2 = df.groupby(['year', 'bank']).sum().unstack('year')
df2.columns = df2.columns.map(lambda x: f'{x[0]}_{x[1]}')

out = df.merge(df2.reset_index())

输出：

year   bank   amt  amt_2001  amt_2002  amt_2003
0   2001    sbi  1000      5000      7000      9000
1   2002    sbi  2000      5000      7000      9000
2   2003    sbi  3000      5000      7000      9000
3   2001    sbi  4000      5000      7000      9000
4   2002    sbi  5000      5000      7000      9000
5   2003    sbi  6000      5000      7000      9000
6   2001  icici     1         5         7         9
7   2002  icici     2         5         7         9
8   2003  icici     3         5         7         9
9   2001  icici     4         5         7         9
10  2002  icici     5         5         7         9
11  2003  icici     6         5         7         9

• 注意：如果您有多个输入列，那么这不仅适用于"amt"。*

中间体df2：

amt_2001  amt_2002  amt_2003
bank                               
icici         5         7         9
sbi        5000      7000      9000

要限制要保留的年份，请使用loc切片：

keep = [2003]

df2 = df.groupby(['year', 'bank']).sum().loc[keep].unstack('year')
df2.columns = df2.columns.map(lambda x: f'{x[0]}_{x[1]}')

out = df.merge(df2.reset_index())

输出：

year   bank   amt  amt_2003
0   2001    sbi  1000      9000
1   2002    sbi  2000      9000
2   2003    sbi  3000      9000
3   2001    sbi  4000      9000
4   2002    sbi  5000      9000
5   2003    sbi  6000      9000
6   2001  icici     1         9
7   2002  icici     2         9
8   2003  icici     3         9
9   2001  icici     4         9
10  2002  icici     5         9
11  2003  icici     6         9

按2003的已筛选行使用Series.map，按列amt使用聚合sum：

df['amt_2003'] = df['bank'].map(df[df['year'].eq(2003)].groupby('bank')['amt'].sum())

或者使用Series.where将非2003值替换为0，并使用GroupBy.transform替换新列：

df['amt_2003'] = df['amt'].where(df['year'].eq(2003),0).groupby(df['bank']).transform('sum')
print (df)
    year   bank   amt  amt_2003
0   2001    sbi  1000      9000
1   2002    sbi  2000      9000
2   2003    sbi  3000      9000
3   2001    sbi  4000      9000
4   2002    sbi  5000      9000
5   2003    sbi  6000      9000
6   2001  icici     1         9
7   2002  icici     2         9
8   2003  icici     3         9
9   2001  icici     4         9
10  2002  icici     5         9
11  2003  icici     6         9

对于所有色谱柱，使用DataFrame.pivot_table与DataFrame.add_prefix和DataFrame.join：

df1 = (df.join(df.pivot_table(index='bank', columns='year',values='amt', aggfunc='sum')
                 .add_prefix('amt_'), on='bank'))
print (df1)
    year   bank   amt  amt_2001  amt_2002  amt_2003
0   2001    sbi  1000      5000      7000      9000
1   2002    sbi  2000      5000      7000      9000
2   2003    sbi  3000      5000      7000      9000
3   2001    sbi  4000      5000      7000      9000
4   2002    sbi  5000      5000      7000      9000
5   2003    sbi  6000      5000      7000      9000
6   2001  icici     1         5         7         9
7   2002  icici     2         5         7         9
8   2003  icici     3         5         7         9
9   2001  icici     4         5         7         9
10  2002  icici     5         5         7         9
11  2003  icici     6         5         7         9