如何在Pandas分组后直接更新原DataFrame中的数值？

现有如下DataFrame：

import pandas as pd
df = pd.DataFrame({'dim_unit' :['m', 'cm', 'cm', 'm', 'ft', 'in'], 'Length' : [1,2,3,4,5,6], 'Width' : [5,6,7,8,9,10] }) 

需求是按dim_unit分组，对Length和Width列应用对应缩放因子，将所有数据转换为统一维度（实际场景包含更多单位和待转换列）。

尝试过以下方法但存在问题：

• 用groupby获取分组后计算转换值，但无法更新原DataFrame：

g= df.groupby('dim_unit')
g.get_group('cm')["Width"].apply(lambda x: x*100)

• 尝试用transform替代apply无效果；新增列的方式会生成大量含NaN的列，后续合并繁琐：

df['len_cm_to_m']= df.get_group('cm')["Width"].apply(lambda x: x*100)

希望找到直接更新原DataFrame数值的方法，或通过匹配索引更新的方案。

方法1：单位转换映射字典 + 广播计算（推荐） #

先定义单位到目标单位（以米为例）的转换因子字典，直接按行匹配因子对多列批量计算，无需分组，效率更高且无NaN：

# 定义转换因子：key为原单位，value为转换为米的系数
conversion_factors = {
    'm': 1,
    'cm': 0.01,
    'ft': 0.3048,
    'in': 0.0254
}

# 获取每行对应的转换因子
df['conversion_factor'] = df['dim_unit'].map(conversion_factors)

# 批量转换Length和Width列（直接覆盖原列，也可新增列）
cols_to_convert = ['Length', 'Width']
df[cols_to_convert] = df[cols_to_convert].mul(df['conversion_factor'], axis=0)

# 可选：删除临时转换因子列
df.drop('conversion_factor', axis=1, inplace=True)

方法2：groupby结合transform更新原列 #

若需保留分组逻辑，可通过transform返回与原索引对齐的结果，直接赋值更新原列：

def convert_group(group):
    unit = group['dim_unit'].iloc[0]
    factors = {
        'm': 1,
        'cm': 0.01,
        'ft': 0.3048,
        'in': 0.0254
    }
    factor = factors[unit]
    group[['Length', 'Width']] = group[['Length', 'Width']] * factor
    return group[['Length', 'Width']]

# 用transform获取对齐后的转换结果，直接覆盖原列
df[['Length', 'Width']] = df.groupby('dim_unit')[['Length', 'Width']].transform(convert_group)

方法3：索引匹配精准更新 #

针对复杂转换逻辑，可先遍历分组计算转换值，再通过索引定位更新原DataFrame：

# 复制原DataFrame存储转换后数据
converted_df = df.copy()

# 遍历每个分组，按索引更新对应行
for unit, group in df.groupby('dim_unit'):
    factor = {
        'm': 1,
        'cm': 0.01,
        'ft': 0.3048,
        'in': 0.0254
    }[unit]
    converted_df.loc[group.index, ['Length', 'Width']] = group[['Length', 'Width']] * factor

# 替换原df（或直接使用converted_df）
df = converted_df

内容的提问来源于stack exchange，提问作者Elise