Pandas按CODE分组后若组内PPTOT存在至少1个NaN则将组内所有PPTOT设为NaN

问题原因 #

• 第一，data.dropna(subset=['PPTOT'], how='any') 默认返回删除空值后的新DataFrame，你没有赋值给变量，原分组数据data没有被修改，这行代码等于没有执行。
• 第二，你的逻辑方向错误：你需要的是「分组存在NaN就将该分组所有PPTOT替换为NaN」，但dropna是删除存在空值的行，和需求完全不符，自然得不到预期结果。
• 额外问题：DataFrame.append方法早在pandas 1.4版本就已经被弃用，性能低下且存在潜在的类型兼容问题，不推荐使用。

正确实现方案 #

方案1：向量化实现（推荐，性能远高于循环） #

直接用groupby.transform批量判断分组是否存在空值，再批量赋值，不需要遍历分组：

import pandas as pd
import numpy as np

# 逻辑：如果对应CODE分组存在PPTOT空值，就将该分组所有PPTOT设为NaN
df['PPTOT'] = df['PPTOT'].where(
    ~df.groupby('CODE')['PPTOT'].transform(lambda x: x.isna().any()),
    np.nan
)

方案2：修正后的循环实现（对应你原来的写法调整） #

如果需要用遍历分组的写法，调整逻辑如下：

notnan_list = []
for code, data in df.groupby('CODE'):
    # 判断当前分组是否存在PPTOT空值
    if data['PPTOT'].isna().any():
        # 存在空值则将该分组所有PPTOT替换为NaN
        data['PPTOT'] = np.nan
    notnan_list.append(data)
# 合并所有分组结果
notnan = pd.concat(notnan_list, ignore_index=True)

两种方案都可以得到你需要的预期结果。

内容的提问来源于stack exchange，提问作者Javier