如何将DataFrame子组的最低Rank值赋值给对应父层级？

首先得明确你的核心需求：给那些标记为contains_subsets=1.0的父层级行，赋值它所有子节点里的最差状态（也就是最小的Rank_Numeric值，以及对应的文本状态rank）。你之前的尝试没生效，是因为条件判断的逻辑偏差了，咱们一步步来修正实现。

问题分析：为啥之前的代码没效果？ #

你用df1.loc[df1['hierarchy'] == df1['parent'], ...]这个条件是不对的——父节点的hierarchy是它自身的层级（比如2.11.3），而它的parent是上一层级（2.11），两者永远不会相等。正确的逻辑应该是：子节点的parent等于父节点的hierarchy，所以我们需要先按子节点的parent分组计算最小值，再匹配回对应的父节点行。

完整实现步骤 #

1. 准备反向映射字典（数值转状态文本） #

因为我们之后需要把计算出的最小数值Rank转回对应的文本状态，先定义反向字典：

reverse_dict = {v: k for k, v in dictionary.items()}

2. 计算每个父节点对应的子节点最小Rank #

先筛选出所有子节点（contains_subsets为NaN的行），然后按parent分组，计算每组的最小Rank_Numeric：

# 按子节点的parent分组，计算每组的最小Rank数值
parent_min_rank = df1[df1['contains_subsets'].isna()].groupby('parent')['Rank_Numeric'].min().reset_index()
# 重命名列，方便后续和原DataFrame合并
parent_min_rank.columns = ['hierarchy', 'min_rank']

这一步得到的parent_min_rank里，hierarchy就是父节点的层级字符串，min_rank是该父节点所有子节点的最差Rank数值。

3. 合并结果并更新父节点 #

把计算出的最小值合并回原DataFrame，然后更新父节点的Rank_Numeric和rank列：

# 合并原DataFrame和最小rank数据
df1 = df1.merge(parent_min_rank, on='hierarchy', how='left')

# 仅更新contains_subsets=1.0的父节点行
df1.loc[df1['contains_subsets'] == 1.0, 'Rank_Numeric'] = df1['min_rank']
df1.loc[df1['contains_subsets'] == 1.0, 'rank'] = df1['min_rank'].map(reverse_dict)

# 可选：删除临时的min_rank列
df1 = df1.drop('min_rank', axis=1)

完整可运行代码 #

把所有步骤整合起来，直接运行就能得到你想要的结果：

import pandas as pd

# 初始化你的原始DataFrame
data = [
    [1.0, '1.1', None, None],
    [1.0, '2.11.3', None, None],
    [None, '2.11.3.1', 'Good', None],
    [None, '2.11.3.10', 'Warning', None],
    [None, '2.11.3.11', 'Warning', None],
    [None, '2.11.3.12', 'Good', None],
    [1.0, '2.11.3.13', None, None],
    [None, '2.11.3.13.1', 'Critical', None],
    [None, '2.11.3.13.2', 'Critical', None],
    [None, '2.11.3.13.3', 'Good', None],
    [None, '2.11.3.13.4', 'Good', None],
    [None, '2.11.3.13.5', 'Good', None],
    [1.0, '2.11.3.14', None, None],
    [None, '2.11.3.14.1', 'Warning', None],
    [None, '2.11.3.14.11', 'Critical', None],
    [None, '2.11.3.14.12', 'Warning', None],
    [None, '2.11.3.14.13', 'Good', None],
    [None, '2.11.3.14.14', 'Good', None]
]
df1 = pd.DataFrame(data, columns=['contains_subsets', 'hierarchy', 'rank', 'Rank_Numeric'])

# 转换rank为数值
dictionary = {'Good':3, 'Warning':2, 'Critical':1}
df1['Rank_Numeric'] = df1['rank'].map(dictionary)

# 生成parent列
df1['parent'] = df1['hierarchy'].apply(lambda x: '.'.join(x.split('.')[:-1]))

# 反向字典：数值转文本状态
reverse_dict = {v: k for k, v in dictionary.items()}

# 计算每个父节点的子节点最小Rank
parent_min_rank = df1[df1['contains_subsets'].isna()].groupby('parent')['Rank_Numeric'].min().reset_index()
parent_min_rank.columns = ['hierarchy', 'min_rank']

# 合并并更新父节点
df1 = df1.merge(parent_min_rank, on='hierarchy', how='left')
df1.loc[df1['contains_subsets'] == 1.0, 'Rank_Numeric'] = df1['min_rank']
df1.loc[df1['contains_subsets'] == 1.0, 'rank'] = df1['min_rank'].map(reverse_dict)
df1 = df1.drop('min_rank', axis=1)

print(df1)

运行后就能得到你预期的结果：父节点的rank和Rank_Numeric会被正确更新为其子节点的最差状态。

内容的提问来源于stack exchange，提问作者robert_553z8