Pandas函数中列值赋值失效问题求助

首先，咱们先直接解决你的问题，然后再拆解你函数里的错误点——其实用pandas内置的pivot_table就能完美解决这个长转宽的需求，比自己写函数靠谱多了。

正确实现代码 #

先看完整的工作代码，完全匹配你的目标格式：

import pandas as pd

# 模拟你的原始输入数据
data = [
    ["Fake", 1984, "US", 1, 1],
    ["Fake", 1984, "SU", 0, 1],
    ["Fake", 1985, "US", 1, 1],
    ["Fake", 1985, "SU", 1, 1],
    ["florp", 1984, "SU", 1, 1],
    ["florp", 1985, "SU", 1, 1]
]
df = pd.DataFrame(data, columns=["country", "year", "supporting_nation", "eco_sup", "mil_sup"])

# 步骤1：过滤仅保留美、苏的支持记录
filtered_df = df[df["supporting_nation"].isin(["US", "SU"])].copy()

# 步骤2：用pivot_table直接转成宽格式，自动聚合同一国家-年份的记录
wide_df = filtered_df.pivot_table(
    index=["country", "year"],
    columns="supporting_nation",
    values=["eco_sup", "mil_sup"],
    aggfunc="max",  # 取最大值，确保同一国家-年份的同一支持国只保留有效记录
    fill_value=0  # 没有记录的填充0
)

# 重命名列，改成你要的"US_eco_sup"这种格式
wide_df.columns = [f"{col[1]}_{col[0]}" for col in wide_df.columns]

# 添加US_SUP和SU_SUP列：只要经济或军事支持有一项为1，就标记为1
wide_df["US_SUP"] = wide_df[["US_eco_sup", "US_mil_sup"]].max(axis=1)
wide_df["SU_SUP"] = wide_df[["SU_eco_sup", "SU_mil_sup"]].max(axis=1)

# 重置索引，把country和year从索引转回普通列，再调整列顺序到目标格式
wide_df = wide_df.reset_index()
desired_cols = ["country", "year", "US_SUP", "US_eco_sup", "US_mil_sup", "SU_SUP", "SU_eco_sup", "SU_mil_sup"]
wide_df = wide_df[desired_cols]

print(wide_df)

运行后就会得到你想要的目标格式，所有列的赋值都是正确的。

你的函数出错的核心原因 #

咱们来拆解你写的函数里的问题：

1. 没有返回修改后的行，导致所有赋值白做了
   在pandas的apply方法中，如果你修改传入的行对象x但不返回它，这些修改只会在临时对象上生效，根本不会保存到原DataFrame里。你的函数最后没有return x，所以x[support_cols] = support_vars这一步的操作完全没有被保留，后续groupby的时候这些列还是初始的0值。

2. 逻辑覆盖问题，无法同时处理美、苏的记录
   当一个国家在同一年同时获得美、苏支持时（比如Fake 1984），你的函数处理其中一行时，nation变量会被覆盖：比如先处理SU的行，nation设为SU_，但接着处理US的行时，nation会被改成US_，导致其中一方的列永远无法被正确赋值。就算你加了返回，也只能处理其中一个支持国的列。

3. 索引匹配的潜在问题
   你把support_vars（包含eco_sup和mil_sup的Series）赋值给x[support_cols]时，如果列名顺序不匹配，可能会导致赋值错位，但这不是你现在全为0的主要原因，主要还是前两点。

内容的提问来源于stack exchange，提问作者Jasper