如何用NumPy数组更新DataFrame列？循环赋值仅存最后值问题

原代码存在两个核心问题，导致仅最后一组能生成Rank列：

1. 循环逻辑错误：内层循环仅更新df3为当前分组，但循环结束后df3只保留最后一个分组，后续计算仅针对最后一组执行，前两组的Rank计算被完全跳过。
2. 副本修改不生效：df3 = df2.get_group(i[j])得到的是分组副本，直接修改df3["Rank"]不会同步到原DataFrame，必须将结果映射回原df的对应行。

修复后的代码方案（推荐用apply简化逻辑） #

import numpy as np
# 假设VIKOR和rank_preferences已正确导入/定义

# 提前初始化Rank列，避免首次插入的判断逻辑
df['Rank'] = np.nan

# 定义分组处理函数
def calculate_rank(group):
    matrix = group[['Aging','DisputePercent','TotalAmount']].to_numpy()
    weights = np.array([0.25, 0.3, 0.45])
    types = np.array([-1, 1, 1])
    vikor = VIKOR()
    pref = vikor(matrix, weights, types)
    rank = rank_preferences(pref, reverse=False)
    
    print(f'Priority {group.name} - Preference values: ', np.round(pref, 4))
    # 为当前分组赋值Rank并排序
    group['Rank'] = rank
    return group.sort_values(by='Rank', ascending=True)

# 应用分组处理并合并回原DataFrame
df = df.groupby('Priority', group_keys=False).apply(calculate_rank)

若坚持用循环实现的修复版本 #

import numpy as np
# 假设VIKOR和rank_preferences已正确导入/定义

# 初始化Rank列
df['Rank'] = np.nan
priority_list = df['Priority'].unique()
df_groups = df.groupby('Priority')

for priority in priority_list:
    group = df_groups.get_group(priority)
    matrix = group[['Aging','DisputePercent','TotalAmount']].to_numpy()
    weights = np.array([0.25, 0.3, 0.45])
    types = np.array([-1, 1, 1])
    vikor = VIKOR()
    pref = vikor(matrix, weights, types)
    rank = rank_preferences(pref, reverse=False)
    
    print(f'Priority {priority} - Preference values: ', np.round(pref, 4))
    # 将Rank赋值回原DataFrame的对应行
    df.loc[df['Priority'] == priority, 'Rank'] = rank

# 可选：按Priority和Rank排序
df = df.sort_values(by=['Priority', 'Rank'], ascending=[True, True])

关键修复点说明 #

• 提前初始化Rank列，省去首次插入的判断逻辑，直接在原df上修改。
• 使用groupby.apply或df.loc将分组计算的Rank映射回原DataFrame，确保所有分组的结果都被保留。
• 修正循环逻辑，让每个分组的计算逻辑都在循环内部执行，而非仅处理最后一个分组。

内容的提问来源于stack exchange，提问作者Rahul Bhat