如何使用for循环操作pandas列增减，实现按优先级分配待发货库存

• 遍历逻辑错误：groupby操作返回的是「(分组键, 分组数据)」的元组迭代器，不能直接和数值0比较
• 赋值范围错误：所有列更新都是全表操作，没有针对组内周库存最低的行做修改，也没有区分不同分组的剩余待发货量
• 累加逻辑错误：df['SEND_PKGS'] = +1这类写法是把整列值覆盖为1，不是对目标行做累加操作

首先初始化数据和新增列：

import pandas as pd

# 构造原始数据集
df = pd.DataFrame([
    ['SUP1', 'P1', 'STR1', 50, 5, 18],
    ['SUP1', 'P1', 'STR2', 6, 7, 18],
    ['SUP1', 'P1', 'STR3', 74, 4, 18],
    ['SUP2', 'P4', 'STR1', 35, 3, 500],
    ['SUP2', 'P4', 'STR2', 5, 4, 500],
    ['SUP2', 'P4', 'STR3', 54, 7, 500],
], columns=['SUPPLIER', 'PRODUCTID', 'STOREID', 'BALANCE', 'AVG_SALES', 'TO_SHIP'])

# 初始化目标字段
df['SEND_PKGS'] = 0
df['Wk_Bal'] = df['BALANCE'] / df['AVG_SALES']

然后执行循环分配逻辑，完全匹配需求：

# 只要还有待发货的分组就继续循环
while df['TO_SHIP'].gt(0).any():
    # 1. 筛选还有待发货量的行，按供应商+产品分组找周库存最低的行索引
    valid_rows = df[df['TO_SHIP'] > 0]
    min_wk_idx = valid_rows.groupby(['SUPPLIER', 'PRODUCTID'])['Wk_Bal'].idxmin()
    
    # 2. 给周库存最低的行累加发货量、库存
    df.loc[min_wk_idx, 'SEND_PKGS'] += 1
    df.loc[min_wk_idx, 'BALANCE'] += 1
    
    # 3. 对应分组的待发货量减1
    for (supplier, product), _ in min_wk_idx.items():
        group_mask = (df['SUPPLIER'] == supplier) & (df['PRODUCTID'] == product)
        df.loc[group_mask, 'TO_SHIP'] -= 1
    
    # 4. 重新计算全表周库存
    df['Wk_Bal'] = df['BALANCE'] / df['AVG_SALES']

# 可选：保留两位小数格式化Wk_Bal方便查看
df['Wk_Bal'] = df['Wk_Bal'].round(2)

• 如果遇到组内多门店Wk_Bal并列最低的情况，上述代码会默认选择排序在前的门店，如需自定义优先级可以在取idxmin前给分组内数据加排序规则即可
• 若待发货总量较大（比如单组超过10000），可以优化为批量分配不用逐次加1，普通业务场景下上述代码性能足够使用

内容的提问来源于stack exchange，提问作者its.kcl