如何在DataFrame分组迭代操作后将结果同步回主DataFrame？

你遇到的核心问题是：遍历groupby得到的df_group是原DataFrame的副本，修改副本不会同步到原数据。要在循环内直接让修改反映到主DataFrame，可以利用索引定位赋值的方式，具体实现如下：

循环内直接修改主DataFrame的方案 #

for group, df_group in df_dates.groupby(["team", "metric"]): 
    team, metric = group[0], group[1]
    # 简化_DEFAULT行的获取（用xs比loc更简洁）
    default_serie = df_group.xs("_DEFAULT", level=1).iloc[0]
    # 对当前分组执行fillna操作
    filled_group = df_group.apply(lambda row: row.fillna(default_serie), axis=1)
    # 关键：通过索引将修改后的数据直接赋值回原DataFrame
    df_dates.loc[filled_group.index] = filled_group

原理说明 #

• df_group的索引和原df_dates中对应分组的行索引完全一致
• 用df_dates.loc[filled_group.index]定位到原DataFrame中该分组的所有行，直接用填充后的filled_group覆盖，就能实现修改同步

更简洁的非循环替代方案（可选） #

如果不想用循环，也可以直接用groupby.apply一次性完成所有分组的处理，代码更简洁：

def fill_group_with_default(df_group):
    default_serie = df_group.xs("_DEFAULT", level=1).iloc[0]
    return df_group.apply(lambda row: row.fillna(default_serie), axis=1)

# 直接覆盖原DataFrame
df_dates = df_dates.groupby(["team", "metric"]).apply(fill_group_with_default)

内容的提问来源于stack exchange，提问作者Fernando Jesus Garcia Hipola