您可以使用while..loop迭代 Dataframe 中的每一行，并使用.loc方法访问基于Group ID和Parent Group ID列的特定行。以下是如何实现此操作的示例：

# Create the dataframe
df = pd.DataFrame(
    {
        "Group Name": [
            "All Foods",
            "Italian Foods",
            "Pasta",
            "Spaghetti",
            "Sushi",
            "Seafood",
            "Japanese Cusine",
        ],
        "Parent Group ID": [None, 3, 1, 2, 6, 7, None],
        "Group ID": [3, 1, 2, 4, 5, 6, 7],
    }
)
df

| | 组别名称|父组ID|组ID|
| - ------|- ------|- ------|- ------|
| 无|所有食品|钠氮|三个|
| 1个|意大利食品|三个|1个|
| 第二章|面食|1个|第二章|
| 三个|意大利面|第二章|四个|
| 四个|寿司|六个|五个|
| 五个|鱼|七|六个|
| 六个|日本料理|钠氮|七|

# Add a new column to the dataframe
df['Top-level Parent Group Name'] = ""

# Iterate through each row in the dataframe
for index, row in df.iterrows():
    parent_id = row['Parent Group ID']
    fill_parent = False
    parent_row = pd.Series()
    # Traceback parent group name until a parent ID equal to `None` or `""` 
    # (empty string) is found
    while parent_id != "" and not pd.isna(parent_id):
        parent_row = df.loc[df['Group ID'] == parent_id]
        parent_id = [*parent_row['Parent Group ID'].values, ""][0]
        fill_parent = True
    if not parent_row.empty and fill_parent:
        df.at[index, 'Top-level Parent Group Name'] =
        parent_row['Group Name'].values[0]

df

• • 产出：**

| | 组别名称|父组ID|组ID|顶级父组名称|
| - ------|- ------|- ------|- ------|- ------|
| 无|所有食品|钠氮|三个||
| 1个|意大利食品|三个|1个|所有食品|
| 第二章|面食|1个|第二章|所有食品|
| 三个|意大利面|第二章|四个|所有食品|
| 四个|寿司|六个|五个|日本料理|
| 五个|鱼|七|六个|日本料理|
| 六个|日本料理|钠氮|七||

解释

该代码向名为Top-level Parent Group Name的 Dataframe 添加一个新列，并使用每行对应的顶级父组名填充该列。对于'Spaghetti'行，顶级父组名将为'All Foods'。

备注

需要注意的是，此代码假定每个Group Name值只有一个直接父组。如果一个Group Name（如'Pasta'）在一行中的直接父组为'Italian Foods'，而在另一行中的直接父组为'Sushi'，则代码将无法按预期工作。此外，代码将处理Parent Group ID列中的NaN值，因此不会导致错误。