Pandas按CODE分组取PP列首个非空值对应YEAR报错如何解决

• 核心问题是你混淆了全局行标签和分组后子DataFrame的位置索引：Series.first_valid_index()返回的是该Series在原始全量DataFrame中的行标签（index值），而iloc是按子DataFrame内部的相对位置从0开始计数的。
• 比如你示例里CODE为000659的分组，第一个有效PP的行标签是3，刚好和它在子DataFrame里的位置索引一致，所以单独测试这个分组不会报错；但后续CODE（比如000543）的分组行标签是6052770起步，你把这个6位数的全局标签传给只有几千、几万行的子DataFrame的iloc，自然会触发索引越界错误。
• 额外潜在问题：如果某个CODE分组的PP列全为NaN，first_valid_index()会返回None，调用astype(int)也会抛出异常。

方法1：修改原有循环逻辑 #

把iloc换成loc即可，loc是按行标签取值，刚好匹配first_valid_index()的返回值，同时补充全NaN分组的判断：

import pandas as pd
dic={}
for code, data in df.groupby('CODE'):
    valid_idx = data['PP'].first_valid_index()
    # 处理PP全为NaN的分组，可根据需求调整默认值
    if valid_idx is not None:
        starting_year = data['YEAR'].loc[valid_idx]
    else:
        starting_year = pd.NA
    dic[code] = starting_year
starting_years=pd.DataFrame(dic.items(), columns=['CODE', 'STARTING YEAR'])

方法2：更高效的向量化写法（推荐） #

直接用groupby.apply实现，避免显式循环，处理600万行数据性能更好：

import pandas as pd
starting_years = df.groupby('CODE').apply(
    lambda x: x['YEAR'].loc[x['PP'].first_valid_index()] 
    if x['PP'].first_valid_index() is not None 
    else pd.NA
).reset_index(name='START YEAR')

内容的提问来源于stack exchange，提问作者Javier