如何在Pandas DataFrame中仅调整总和超标的分组最大值

我来帮你修正这个问题～你的核心思路是对的：找到每个分组的最大值并调整它，把分组总和降到100以内，但原代码的问题在于没有过滤掉总和≤100的分组，导致这些分组的最大值反而被加上了负数（相当于增加数值），完全不符合需求。

修正后的代码（循环版，直观易懂） #

import pandas as pd

# 初始化数据集
df = pd.DataFrame([
    ['A', 60],
    ['A', 20],
    ['A', 21],
    ['B', 35],
    ['B', 33],
    ['B', 32],
    ['C', 40],
    ['C', 40],
    ['C', 10],
], columns=['Item', 'Count'])

# 1. 计算每个Item分组的总和
group_sums = df.groupby('Item')['Count'].sum()

# 2. 计算每个分组需要减去的超出值（总和≤100的话，超出值为0）
overages = group_sums.apply(lambda x: max(0, x - 100))

# 3. 找到每个分组中Count最大值的索引
max_indices = df.groupby('Item')['Count'].idxmax()

# 4. 仅对有超出值的分组，调整其最大值
for item, idx in max_indices.items():
    if overages[item] > 0:
        df.loc[idx, 'Count'] -= overages[item]

print(df)

输出结果 #

Item  Count
0    A     59
1    A     20
2    A     21
3    B     35
4    B     33
5    B     32
6    C     40
7    C     40
8    C     10

代码解释 #

• 步骤1：先算出每个Item的总和，方便后续判断是否需要调整。
• 步骤2：用max(0, x-100)确保只有总和超过100的分组才会有正的超出值，其余分组的调整量为0，不会改动数据。
• 步骤3：找到每个分组中Count最大的那条数据的索引，这是我们要调整的目标。
• 步骤4：遍历每个分组，只对有超出值的分组，从其最大值中减去对应的超出量，完美实现需求。

进阶：向量化版本（适合大数据集） #

如果你的数据集很大，循环效率较低，可以用更简洁的向量化方式实现，避免循环：

import pandas as pd

df = pd.DataFrame([
    ['A', 60],
    ['A', 20],
    ['A', 21],
    ['B', 35],
    ['B', 33],
    ['B', 32],
    ['C', 40],
    ['C', 40],
    ['C', 10],
], columns=['Item', 'Count'])

# 计算每个分组的总和和超出值
df['group_sum'] = df.groupby('Item')['Count'].transform('sum')
df['overage'] = df['group_sum'].apply(lambda x: max(0, x - 100))

# 标记当前行是否是分组内的最大值
df['is_max'] = df.groupby('Item')['Count'].transform(lambda x: x == x.max())

# 仅对是最大值且有超出值的行调整Count
df.loc[df['is_max'] & (df['overage'] > 0), 'Count'] -= df['overage']

# 清理临时列
df = df.drop(['group_sum', 'overage', 'is_max'], axis=1)

print(df)

这个版本效率更高，最终效果和循环版完全一致。

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