Pandas分组（group by）后如何添加列或修改各组数据？

核心问题分析 #

你遇到的问题本质是：分组遍历中修改的是原DataFrame的副本，而非原数据；直接对DataFrameGroupBy对象赋值不被支持；循环拼接的方式效率低下。下面提供完全基于Pandas原生API的高效解决方案，避免循环与副本问题。

步骤1：确保时间列格式正确 #

首先将BaseDateTime转换为Pandas datetime类型，这是时间计算的基础：

import pandas as pd
import numpy as np

# 转换时间列（如果还没做的话）
df['BaseDateTime'] = pd.to_datetime(df['BaseDateTime'])

步骤2：定义分组处理函数 #

编写一个函数处理单组数据，包含排序、时间差计算、子组拆分逻辑，完全用向量操作替代逐行循环：

def process_vessel_group(group):
    # 按时间排序，必须用copy()避免副本警告
    sorted_group = group.sort_values(by='BaseDateTime').copy()
    
    # 计算下一条记录的时间
    sorted_group['next_time'] = sorted_group['BaseDateTime'].shift(-1)
    
    # 计算时间差（转为小时），最后一行无后续记录，自动为NaN
    sorted_group['Time-diff'] = (sorted_group['next_time'] - sorted_group['BaseDateTime']).dt.total_seconds() / 3600
    
    # 生成子组标记：当时间差≥2小时时，拆分到新组
    # 最后一行填充inf，确保不会触发拆分
    sorted_group['GROUP'] = sorted_group['Time-diff'].fillna(float('inf')).ge(2).cumsum()
    
    # 删除临时列
    sorted_group.drop(columns=['next_time'], inplace=True)
    
    return sorted_group

步骤3：批量处理所有分组 #

用groupby.apply()批量处理所有船舶组，直接生成处理后的完整DataFrame：

# group_keys=False 保持原索引结构，避免MMSI成为多级索引的一部分
processed_df = df.groupby('MMSI', group_keys=False).apply(process_vessel_group)

示例输出 #

针对你提供的测试数据，处理后结果如下：

MMSI       BaseDateTime       LAT        LON  SOG  COG  Time-diff  GROUP
1507  538007509.0 2022-12-08 00:02:25  49.29104 -123.19135  0.0  9.6       0.05      0
1508  538007509.0 2022-12-08 00:05:25  49.29102 -123.19138  0.0  9.6        NaN      0

如果某条记录与下一条的时间差≥2小时，GROUP列会自动递增，实现子组拆分。

为什么这个方案更好 #

1. 无副本问题：通过copy()显式创建组的副本，避免SettingWithCopyWarning，且apply()直接返回处理后的结果，无需手动拼接。
2. 效率更高：用Pandas向量操作替代逐行循环，处理大数据集时性能提升显著。
3. 代码简洁：符合Pandas"向量化"的设计思想，逻辑清晰易维护。

内容的提问来源于stack exchange，提问作者AndrewChao