Python中DataFrame分组行操作：设置keep字段的问题排查

我帮你排查了代码里的几个关键问题，修改后就能得到你想要的结果啦，尽量沿用了你的原有思路，改动很小：

问题根源 #

1. 链式索引导致修改失效：你用data['keep'][...]='t'这种写法时，Pandas可能会创建数据副本而非直接修改原数据，最终导致你的更新操作没有反映到最终的DataFrame中。
2. 切片索引不可靠：data['keep'][0:1]='t'依赖分组后的索引从0开始，一旦分组索引不是连续的0开头，就会选不到正确的行。
3. diff计算的逻辑细节：你的原代码只在mpe_wgt不唯一时计算diff，同时注意到你的期望输出里diff是weight与mpe_wgt的绝对值差（而非mpe_wgt/100），我按照期望输出调整了公式，如果你确实需要除以100，改回去就行。

修改后的代码 #

import pandas as pd

# 构造你的示例输入DataFrame
df = pd.DataFrame({
    'pic_code': [1234, 1234, 45344, 234, 234],
    'weight': [45, 32, 54, 76, 65],
    'mpe_wgt': [34, 23, 35, 98, 12],
    'keep': ['f']*5,
    'diff': [100]*5
})

def cln_df(data):
    # 检查分组内mpe_wgt是否唯一，用len判断更直观
    if len(pd.unique(data['mpe_wgt'])) == 1:
        # 用.loc精准定位分组的第一行，设置keep为't'
        data.loc[data.index[0], 'keep'] = 't'
    else:
        # 计算diff：按照你的期望输出是weight与mpe_wgt的绝对值差，如需mpe_wgt/100可修改此处
        data['diff'] = abs(data['weight'] - data['mpe_wgt'])
        # 找到diff最小的行，设置keep为't'
        min_diff_val = data['diff'].min()
        data.loc[data['diff'] == min_diff_val, 'keep'] = 't'
    return data

# 分组应用函数，重置索引去掉多级索引（可选，让结果更整洁）
df = df.groupby('pic_code').apply(cln_df).reset_index(drop=True)

print(df)

运行结果 #

运行后会得到你想要的输出：

pic_code  weight  mpe_wgt keep  diff
0      1234      45       34    f    11
1      1234      32       23    t     9
2     45344      54       35    t   100
3       234      76       98    t    22
4       234      65       12    f    53

关键改动说明 #

• 所有修改列的操作都改用.loc，确保直接修改原数据，避免SettingWithCopyWarning和修改失效的问题。
• 用data.index[0]定位分组的第一行，不管分组索引是什么都能正确选中。
• 简化了mpe_wgt唯一性的判断逻辑，可读性更强。

内容的提问来源于stack exchange，提问作者M Sanders