如何基于Pandas DataFrame分组的索引属性为Beta列赋值？

这里有两种实用的方法可以实现你想要的转换效果，直接看代码和解释：

方法一：分组后遍历索引判断 #

这种方法逻辑直观，和你描述的实现思路完全对应：

import pandas as pd
import numpy as np

# 构造原DataFrame
df = pd.DataFrame({'Alpha': ['A','A','A','B','B','B','B','C','C','C','C','C'], 'Beta' : np.NaN})

# 按Alpha分组处理Beta列
df['Beta'] = df.groupby('Alpha').apply(
    lambda group: group.index.map(
        lambda idx: 1 if idx == group.index.min() 
        else 3 if idx == group.index.max() 
        else 2
    )
).explode()

# 转换为整数类型（避免object类型）
df['Beta'] = df['Beta'].astype(int)

# 验证结果
print(df)

步骤解释： #

• 用groupby('Alpha')把数据按Alpha的值分成A、B、C三个组；
• 对每个组使用apply，内部通过index.map遍历组内的每一行索引：
  • 如果索引是组内最小的（也就是组的第一行），赋值1；
  • 如果是组内最大的（组的最后一行），赋值3；
  • 剩下的中间行统一赋值2；
• apply返回的是每个组的结果序列，用explode()把它展开成和原DataFrame行数一致的列，再赋值回Beta；
• 最后转成int类型，确保数值类型正确。

方法二：先获取组边界索引再批量赋值 #

这种方法更高效，适合处理大数据量的场景：

import pandas as pd
import numpy as np

# 构造原DataFrame
df = pd.DataFrame({'Alpha': ['A','A','A','B','B','B','B','C','C','C','C','C'], 'Beta' : np.NaN})

# 获取每个Alpha组的第一个和最后一行的索引
group_bounds = df.groupby('Alpha')['Alpha'].agg(['idxmin', 'idxmax'])

# 先把所有Beta值设为2（中间行的默认值）
df['Beta'] = 2
# 把每个组的第一行设为1
df.loc[group_bounds['idxmin'], 'Beta'] = 1
# 把每个组的最后一行设为3
df.loc[group_bounds['idxmax'], 'Beta'] = 3

# 验证结果
print(df)

步骤解释： #

• 先用agg(['idxmin', 'idxmax'])一次性拿到每个Alpha组的首行和末行索引；
• 先给所有Beta行赋值2（因为大部分行都是中间行，这样可以减少判断次数）；
• 再用loc定位到每个组的首行和末行，分别赋值1和3，完成批量更新。

两种方法最终得到的结果都和你给出的df_u完全一致~

内容的提问来源于stack exchange，提问作者supposer