pandas groupby分组计算月度环比变化率后如何回写至原DataFrame

首先你当前的代码存在3个核心问题，导致无法得到正确结果也无法回写：

• 分组维度错误：你按['Market','Month','Year']分组时，每个分组仅包含1条数据，pct_change计算结果全为NaN，无法得到逐月环比值
• 排序未生效：group.sort_values()没有加inplace=True也没有赋值给新变量，排序操作仅返回临时对象，没有修改实际分组数据
• 无法回写：循环中拿到的group是原DataFrame的临时副本，修改group不会同步到原DataFrame

最优实现方案（无需循环，效率远高于遍历分组） #

核心逻辑是按Market（市场）维度分组，每个市场单独按时间排序后计算环比，pandas会自动按索引对齐将结果回写到原表，无需手动处理回写逻辑：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'Market': ['LA','SF','NY','LA','SF','NY'],
                   'Month': [4, 4, 4, 5, 5, 5],
                   'Year': [2017,2017,2017,2017,2017,2017],
                   'Value': [1000,1200,1400,1200,1400,1600] })

# 1. 生成统一日期列，全局按市场+日期排序，保证时间序列顺序正确
df['Date'] = pd.to_datetime(df[['Year', 'Month']].assign(DAY=1))
df = df.sort_values(by=['Market', 'Date'], ascending=True).reset_index(drop=True)

# 2. 按市场分组计算环比，直接赋值到原表新列即可自动对齐
df['value_pct'] = df.groupby('Market')['Value'].pct_change(periods=1)

运行后得到的value_pct列结果符合预期：每个市场第一个月（4月）的值为NaN，第二个月（5月）的环比分别为LA 20%、SF约16.67%、NY约14.29%。

如果你坚持要使用循环实现（仅做参考，不推荐用于大数据量场景） #

可以将每个分组处理后的结果收集起来，最后合并回原表：

# 先生成日期列并全局排序
df['Date'] = pd.to_datetime(df[['Year', 'Month']].assign(DAY=1))
df = df.sort_values(by=['Market', 'Date'], ascending=True).reset_index(drop=True)

result_list = []
for name, group in df.groupby('Market'):
    group['value_pct'] = group['Value'].pct_change(periods=1)
    result_list.append(group)

# 合并所有分组结果替换原表
df = pd.concat(result_list, ignore_index=True)

内容的提问来源于stack exchange，提问作者kms