Pandas分组删除最小值行逻辑异常：无法终止及数据回滚问题

你遇到的两个核心问题根源在于递归逻辑错误和DataFrame变量引用混乱：

1. 无法终止循环：你的代码里不管分组是否合格，都会递归调用sort(DF)，导致无限递归——哪怕所有组都达标也停不下来。
2. 行被“重新添加”：代码错误地用原始的Data变量来创建新DF（DF = Data[Data.index != GroupMinIndices[i]]），而不是基于当前修改后的DF做删除操作，这会让之前删掉的行又被加回来。

另外，只遍历前2组的限制会漏掉后续组的问题，而且递归并不是处理这种循环校验的最佳方式，用while循环会更清晰可控。

修复后的代码 #

import numpy as np
import pandas as pd

def process_vf_groups():
    data_name = input("Name of File: ")
    # 读取原始数据
    df = pd.read_csv(f"Y:\\CHRIS\\{data_name}.csv", skiprows=20, names=["Serial","Bin","Ir","Vf"])
    
    while True:
        # 按Vf从小到大排序
        sorted_df = df.sort_values(by='Vf')
        # 每11行分组
        grouped = sorted_df.groupby(np.arange(len(sorted_df)) // 11)
        # 计算每组的极差、最小Vf对应的行索引
        group_diff = grouped["Vf"].max() - grouped["Vf"].min()
        group_min_indices = grouped["Vf"].idxmin()
        
        # 检查所有组是否都符合要求
        all_good = (group_diff <= 0.2).all()
        if all_good:
            print("所有组的极差均符合要求，处理完成！")
            break
        
        # 找到第一个不合格的组，删除该组中Vf最小的行
        bad_group_idx = group_diff[group_diff > 0.2].index[0]
        row_to_drop = group_min_indices[bad_group_idx]
        df = df.drop(row_to_drop)
        print(f"删除了索引为{row_to_drop}的行，当前剩余行数：{len(df)}")
    
    # 可选：输出最终处理后的结果
    print("\n处理后的最终DataFrame（按Vf排序）：")
    print(df.sort_values(by='Vf'))

# 执行处理函数
process_vf_groups()

关键修复点说明 #

• 用while循环替代递归：通过循环持续校验分组，直到所有组都合格才退出，彻底解决无限递归无法终止的问题。
• 正确引用当前DataFrame：所有删除操作都基于当前的df变量，而不是原始的Data，避免了行被错误恢复的情况。
• 全局校验所有组：不再局限于前2组，而是检查所有分组，找到第一个不合格的组进行处理（你也可以修改为一次性处理所有不合格组，不过逐次处理更贴合你的需求逻辑）。
• 清晰的终止条件：当all_good为True时，直接跳出循环，结束处理流程。

针对你样本数据的预期执行流程 #

1. 第一次排序分组后，第一组极差为170.4 - 170.0 = 0.4 > 0.2，删除Vf最小的行（索引477）。
2. 重新排序分组，第一组变为原第2-12行，极差为170.5 - 170.1 = 0.4 > 0.2，继续删除该组最小Vf的行（索引359）。
3. 重复上述步骤，直到第一组的极差≤0.2，然后继续检查后续分组，直到所有组都满足要求为止。

内容的提问来源于stack exchange，提问作者DannyORegan94