如何在Python中按ID分组，根据周期阈值修改DataFrame的Days列？

简洁实现方案 #

直接使用groupby.transform获取每个分组的最大周期值，结合np.where完成列修改，代码更紧凑：

import pandas as pd
import numpy as np

# 原始数据定义（省略重复代码，保留核心处理逻辑）
df = pd.DataFrame(data)

cycle_threshold = 8

# 核心处理代码
df['Days'] = np.where(
    df.groupby('id')['cycle'].transform('max') >= cycle_threshold,
    np.nan,
    df['Days']
)

print(df)

分步逻辑解释 #

1. 获取分组最大周期：df.groupby('id')['cycle'].transform('max')会为原DataFrame的每一行生成对应id的最大cycle值，返回一个与原df行数一致的Series，无需额外合并操作。
2. 条件赋值：np.where根据条件表达式判断：当最大周期≥阈值时，将Days设为np.nan；否则保留原Days数值。

分步拆解实现（适合新手理解） #

如果需要更清晰的分步操作，可先计算分组最大周期再合并到原表：

import pandas as pd
import numpy as np

df = pd.DataFrame(data)
cycle_threshold = 8

# 1. 计算每个id对应的最大cycle值
id_max_cycle = df.groupby('id')['cycle'].max().reset_index(name='max_cycle')

# 2. 将分组结果合并回原DataFrame，确保每一行都能获取对应id的最大周期
df = df.merge(id_max_cycle, on='id', how='left')

# 3. 根据规则修改Days列
df['Days'] = np.where(df['max_cycle'] >= cycle_threshold, np.nan, df['Days'])

# 4. 删除临时辅助列（可选，保持数据整洁）
df = df.drop(columns='max_cycle')

print(df)

结果验证 #

• id=1、id=5的最大cycle分别为11、9，均≥8，对应的Days值全部设为NA；
• id=2、id=3、id=4的最大cycle分别为6、6、4，均<8，Days值保持原始数据不变。

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