如何在Pandas中遍历含唯一col列值的行分组并逐组执行处理

你需要的按指定列唯一值分组、对每个值对应的所有行做自定义处理的需求，直接用pandas的groupby方法即可实现，是这类场景的标准写法：

固定单个列分组处理 #

如果只需要针对某一个固定列（比如col列）的唯一值做分组处理：

# 迭代返回每一组的唯一值、以及该值对应的所有行构成的DataFrame
for unique_val, group_df in df.groupby('col'):
    # 此处填入你的自定义处理逻辑
    # 示例：打印当前处理的唯一值、对应的行数据
    print(f"当前处理的唯一值：{unique_val}")
    print(group_df)

如果不需要包含NaN的分组，可以在groupby中添加dropna=True参数（pandas 1.1.0及以上版本支持），写法为df.groupby('col', dropna=True)。

遍历所有列分别分组处理 #

如果你需要遍历DataFrame的每一列，对每一列的唯一值都做分组处理：

# 先遍历所有列
for col in df.columns:
    print(f"当前处理列：{col}")
    # 按当前列的唯一值分组处理
    for unique_val, group_df in df.groupby(col):
        print(f"处理{col}列的唯一值：{unique_val}")
        # 此处填入你的自定义处理逻辑

手动筛选实现（可选） #

如果你不想用groupby，也可以自己手动筛选行，逻辑和你写的伪代码完全对应：

for unique_val in df['col'].unique():
    # 筛选出col列等于当前唯一值的所有行
    group_df = df[df['col'] == unique_val]
    # 此处填入你的自定义处理逻辑

该写法和groupby效果一致，不过groupby的性能更优，更推荐使用。

内容的提问来源于stack exchange，提问作者hmnoidk