Pandas DataFrame特定行更新异常 按用户分组计算flag=1后时间差问题

问题1：首次flag=1的行未返回NaN #

• 根因是你第二个assign中计算flag=1行的diff时，筛选出的子集d[d['mask'].groupby(d['user']).cumsum().eq(0)|d['mask']]包含了每个用户首次flag=1之前的所有行和所有flag=1的行，对这个子集按用户算time.diff()时，首次flag=1的行会和它前一行（flag=0的行）计算时间差，就得到了6.0、8.0这类不符合预期的值，而非你想要的NaN。
• 额外说明：原逻辑嵌套层数太多，完全可以大幅简化，不需要多层assign和mask嵌套。

问题2：修改指定行后其他行变为NaN #

• 根因是你前面的链式调用没有把计算结果赋值给df变量，你操作的还是最开始只有user/Flag/time三列的原始DataFrame。执行df.loc[[2,6],'diff'] = 1000000000时，pandas会自动新增diff列，默认填充NaN，仅你指定的2、6行被赋值，所以其他行都是NaN。

直接简化时间差计算逻辑，即可实现「按用户分组，每行时间减上次flag=1的时间，无上次flag=1则为NaN」的需求：

import pandas as pd
df = pd.DataFrame({'user': ['x','x','x','x','x','y','y','y','y','y'],
                   'Flag': [0,0,1,0,1,0,1,0,1,0],
                   'time': [10, 34, 40, 43, 44, 12, 20, 46, 51, 71]})

# 把非flag=1的时间替换为空，按用户向前填充得到每行对应的上次flag=1的时间
df['last_flag1_time'] = df['time'].where(df['Flag']==1).groupby(df['user']).ffill()
# 计算时间差
df['diff'] = df['time'] - df['last_flag1_time']

# 如果要求flag=1的行本身diff为NaN，加这行即可
df.loc[df['Flag']==1, 'diff'] = pd.NA

运行后输出结果如下：

user  Flag  time  last_flag1_time  diff
0    x     0    10              NaN   NaN
1    x     0    34              NaN   NaN
2    x     1    40             40.0  <NA>
3    x     0    43             40.0   3.0
4    x     1    44             44.0  <NA>
5    y     0    12              NaN   NaN
6    y     1    20             20.0  <NA>
7    y     0    46             20.0  26.0
8    y     1    51             51.0  <NA>
9    y     0    71             51.0  20.0

需要修改指定行的diff值时，直接操作已完成计算的df即可，不会影响其他行数值：

df.loc[[2,6], 'diff'] = 1000000000

内容的提问来源于stack exchange，提问作者SteveS