如何在分组后的Pandas DataFrame中为每个子组添加基于指定行值的新列？

没问题，我来帮你搞定这个需求！先确认下你的场景：每个ID+Month的子组里，都有一行B=False的记录，你要把这行的Salary值填充到该子组所有行的NEW_Salary列里对吧？下面给你两种简单易懂的实现方法：

方法一：筛选+合并（直观易理解） #

如果你觉得分组函数有点绕，这个方法逻辑最清晰——先提取每个组需要填充的值，再通过关联字段把值“复制”到组内所有行：

import pandas as pd

# 先构造你的DataFrame
data_ = {'ID': [777, 777, 777,777,777,777],
         'Month':[1,1,1,2,2,2], 
         'Salary': [130,170,50,140,180,60], 
         'O': ["AC","BR","BR","AC","BR","BR"], 
         'D':["LF","AC","LF","LF","AC","LF"], 
         'B':[True,True,False,True,True,False]}
data = pd.DataFrame(data=data_)

# 第一步：筛选出所有B=False的行，保留ID、Month和Salary列，并重命名Salary为NEW_Salary
target_salaries = data[data['B'] == False][['ID', 'Month', 'Salary']].rename(columns={'Salary': 'NEW_Salary'})

# 第二步：用ID和Month作为键，把目标值合并到原DataFrame
data = pd.merge(data, target_salaries, on=['ID', 'Month'], how='left')

方法二：groupby.transform（Pandas原生分组方案） #

transform是Pandas专门为这种分组后广播值的场景设计的工具，它会对每个分组执行函数，自动把结果扩展到组内的每一行：

import pandas as pd

# 构造DataFrame（同上）
data_ = {'ID': [777, 777, 777,777,777,777],
         'Month':[1,1,1,2,2,2], 
         'Salary': [130,170,50,140,180,60], 
         'O': ["AC","BR","BR","AC","BR","BR"], 
         'D':["LF","AC","LF","LF","AC","LF"], 
         'B':[True,True,False,True,True,False]}
data = pd.DataFrame(data=data_)

# 定义函数：提取当前组中B=False对应的Salary值
def get_false_salary(group):
    # 假设每个组只有一个B=False的行，用iloc[0]取第一个值
    return group[group['B'] == False]['Salary'].iloc[0]

# 分组后用transform添加新列
data['NEW_Salary'] = data.groupby(["ID","Month"]).transform(get_false_salary)['Salary']

结果验证 #

不管用哪种方法，最终你的DataFrame的NEW_Salary列都会呈现预期结果：

鲁棒性优化（可选） #

如果你的数据里可能存在某个ID+Month组没有B=False的行，可以加个默认值处理避免报错：

• 方法一可以在合并后填充默认值：

data = pd.merge(data, target_salaries, on=['ID', 'Month'], how='left').fillna({'NEW_Salary': 0})

• 方法二可以在分组函数里加判断：

def get_false_salary(group):
    false_rows = group[group['B'] == False]
    return false_rows['Salary'].iloc[0] if not false_rows.empty else 0  # 也可以用NaN作为默认值

内容的提问来源于stack exchange，提问作者the phoenix