如何在Pandas中分组后获取组内首个分数并生成参考列？

直接给出可运行的代码，实现你需要的reference_score列：

import pandas as pd

# 构造原始数据框
df = {
    'name': ['A', 'A', 'B', 'B', 'B', 'C', 'C'],
    'name_ID' : [1, 1, 2, 2, 2, 3, 3],
    'score' : [400, 500, 3000, 1000, 4000, 600, 750],
    'score_number' : [1, 2, 1, 2, 3, 1, 2]
}
df = pd.DataFrame(df)

# 步骤1：为每组所有行填充该组的首个分数
df['reference_score'] = df.groupby('name_ID')['score'].transform('first')
# 步骤2：将每组的第一行（score_number=1）设为NaN
df['reference_score'] = df['reference_score'].where(df['score_number'] != 1, pd.NA)

print(df)

运行后输出结果：

name  name_ID  score  score_number reference_score
0    A        1    400             1             NaN
1    A        1    500             2             400
2    B        2   3000             1             NaN
3    B        2   1000             2            3000
4    B        2   4000             3            3000
5    C        3    600             1             NaN
6    C        3    750             2             600

原方法失效原因 #

你之前用groupby(...).first()直接赋值时，返回的是仅包含每组首个值的Series，其索引是分组键（name_ID），和原数据框的行索引不匹配，导致赋值后大部分行都是NaN。而transform('first')会把每组的首个分数广播到该组的每一行，保证索引和原数据框完全对齐，之后再通过where或mask替换每组第一行的值即可。

无score_number列的通用实现 #

如果你的数据中没有score_number列，也可以用cumcount()判断每组第一行：

df['reference_score'] = df.groupby('name_ID')['score'].transform('first')
# cumcount()从0开始计数，等于0的就是每组第一行
df['reference_score'] = df['reference_score'].mask(df.groupby('name_ID').cumcount() == 0, pd.NA)

内容的提问来源于stack exchange，提问作者tab_stopp