Pandas中groupby分组首元素赋值至DataFrame列出现NaN值的问题排查

这是个Pandas里很常见的索引对齐问题，我来帮你理清楚为什么会出现全NaT的情况，以及怎么解决：

为什么会出现全NaT？ #

你执行df.groupby('cumsum').first()['Date']后得到的Series，它的索引是cumsum列的唯一值（比如1、2、3...561），而你的原始DataFramedf的索引是时间戳（比如2021-01-01 00:00:00这类）。

当你直接用df["Date_First"] = 分组结果赋值时，Pandas会严格按照索引匹配来填充数据：它会拿原df的每一行索引，去分组结果的索引里找对应的值，但两者的索引完全不重合，所以所有位置都只能填充NaT（时间类型的缺失值）。

解决办法 #

有几种简单的方式可以实现你的需求，推荐用第一种最直接的：

方法1：用groupby.transform() #

transform方法会自动把分组后的结果广播到该组的每一行，返回和原df长度一致、索引匹配的Series，直接赋值就没问题：

df["Date_First"] = df.groupby('cumsum')['Date'].transform('first')

方法2：用字典映射 #

先把分组后的首日期转成字典（键是cumsum的值，值是对应首日期），再通过map方法匹配到原df的每一行：

# 先构建cumsum到首日期的映射字典
first_date_map = df.groupby('cumsum')['Date'].first().to_dict()
# 用map把每个cumsum值对应的首日期填充到新列
df["Date_First"] = df['cumsum'].map(first_date_map)

方法3：合并DataFrame #

如果你需要保留更多分组相关的信息，可以先把分组结果转成带cumsum列的DataFrame，再和原df合并：

# 生成包含cumsum和对应首日期的DataFrame
first_date_df = df.groupby('cumsum')['Date'].first().reset_index(name='Date_First')
# 左连接合并，保证原df的所有行都保留
df = df.merge(first_date_df, on='cumsum', how='left')

这三种方法都能帮你正确把分组首日期填充到新列里，不会再出现全NaT的情况啦～

内容的提问来源于stack exchange，提问作者c_data