Pandas分组聚合、转换与展开时保留原始索引的技术问询

你的核心问题是分组处理时丢失了原行的索引关联，导致处理后的值无法和class特征正确对应。直接用groupby.agg(list)会丢失原行的索引映射，换用groupby.apply结合explode就能解决这个问题，直接在原DataFrame上生成对应列，无需额外合并操作。

方法一：直接对分组后的value列应用函数并展开 #

保持你的modify_list函数不变，修改调用逻辑：

def modify_list(values):
    modified_values = []
    for i in range(len(values)):
        if i != 0 and values[i] > 6:
            modified_values.append(0)
        else:
            modified_values.append(values[i])
    return modified_values

df = pd.DataFrame({'group':['A', 'B', 'A', 'A', 'A', 'B', 'B', 'B', 'A'],
                   'class':['s','s', 'l', 'me', 'mi', 'me', 'mi', 'l', 'ml'],
                   'value':[0.25, 0.05, 0.34, 0.15, 0.25, 0.45, 0.25, 0.25, 0.01]}
              )

# 关键修改：用groupby.apply处理每个组的value列表，explode后自动对齐原索引
df['value2'] = df.groupby('group')['value'].apply(modify_list).explode().astype(float)

这样value2列会直接和原DataFrame的每一行对应，class和value2的关联关系完全保留，无需再做合并操作。

方法二：处理分组后的子DataFrame #

如果需要更灵活的组内操作，可以直接对分组后的子DataFrame进行处理：

def modify_group(group):
    # 调用你的modify_list处理当前组的value列表
    group['value2'] = modify_list(group['value'].tolist())
    return group

# 应用函数后重置索引（可选，根据需求保留原索引）
df = df.groupby('group').apply(modify_group).reset_index(drop=True)

这种方式适合需要同时处理组内多列的场景，同样能完美保留class和value2的对应关系。

为什么原代码会出问题？ #

原代码中groupby('group')['value'].agg(list)会把每个组的value合并成一个列表，但这个操作丢失了原行的索引信息；后续explode展开后，只能通过group列合并，无法保证行的顺序和原DataFrame一致，最终导致class和value2错位。

内容的提问来源于stack exchange，提问作者Henri