pandas groupby用法疑问：for循环能否遍历每个唯一CODE分组？

• 遍历逻辑完全错误：codegroup是GroupBy对象，直接迭代时每次返回的是(分组CODE值, 该分组对应DataFrame)的二元组，你在循环体中完全没有用到迭代出来的code变量，反而每次循环都对整个codegroup执行全量聚合计算，等于每次循环都重复计算所有分组的聚合结果，根本没有针对当前遍历的单个分组做处理。
• 存在未定义变量：代码中的itn没有任何赋值定义，运行时会直接抛出NameError。
• append方法已废弃：pandas 2.0及以上版本已经移除了DataFrame.append方法，即使前面逻辑修正也无法在高版本pandas中运行。

推荐实现方式（无需循环，性能更高） #

直接对GroupBy对象做批量聚合再拆分数据，避免循环遍历的性能损耗：

import pandas as pd
# 按CODE分组计算所需指标
group_stats = df.groupby("CODE", as_index=False).agg(
    group_size=("ID", "size"),
    id_max=("ID", "max"),
    id_min=("ID", "min")
)
# 计算判定字段
group_stats["result"] = (group_stats["id_max"] - group_stats["id_min"]) - group_stats["group_size"]
# 拆分符合条件和不符合条件的CODE
pass_codes = group_stats[group_stats["result"] == 1]["CODE"]
df2 = df[df["CODE"].isin(pass_codes)].reset_index(drop=True)
df3 = df[~df["CODE"].isin(pass_codes)].reset_index(drop=True)

如果你必须用循环遍历分组的正确写法 #

# 初始化结果表，和原表结构一致
df2 = pd.DataFrame(columns=df.columns)
df3 = pd.DataFrame(columns=df.columns)

for code_val, group_df in df.groupby("CODE"):
    # 仅针对当前单个分组计算指标
    group_size = len(group_df)
    id_max = group_df["ID"].max()
    id_min = group_df["ID"].min()
    result = (id_max - id_min) - group_size
    if result == 1:
        df2 = pd.concat([df2, group_df], ignore_index=True)
    else:
        df3 = pd.concat([df3, group_df], ignore_index=True)

内容的提问来源于stack exchange，提问作者pilotmike327