如何用单行Pandas代码按ID分组，基于B=1求A列最大值并回填？

需求说明 #

按ID分组，仅筛选每组中B=1的行，计算A列的最大值（忽略NaN），并将该最大值回填至原DataFrame的所有对应行；仅当某组中B=1对应的A值全为NaN时，该行的结果才为NaN。

正确单行代码 #

df['desired_output'] = df.assign(A=df['A'].where(df['B'] == 1)).groupby('ID')['A'].transform('max')

代码解释 #

1. df.assign(A=df['A'].where(df['B'] == 1))：临时将B≠1的行的A值替换为NaN，保留B=1的行的原始A值，其他列保持不变。
2. groupby('ID')['A'].transform('max')：按ID分组计算A列的最大值（自动忽略NaN），再通过transform将最大值广播到该组的所有行，直接完成原DataFrame的回填。

错误代码分析 #

• 第一段报错代码：df.groupby('ID').A.where(df.B == 1).transform('max')
  错误原因：where的条件df.B ==1是基于整个DataFrame的，而非分组后的子DataFrame，导致维度不匹配引发报错。

• 第二段不符合需求的代码：df.where(df.B == 1).groupby('ID').A.transform('max')
  问题所在：df.where(df.B ==1)会将B≠1的整行设为NaN，分组计算最大值后，这些B≠1的行对应的结果也会是NaN，不符合“全组回填最大值”的要求。

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