如何在分组pd.DataFrame中对多列pd.Series应用自定义函数？

你遇到的核心问题是groupby.apply默认逐行处理，而你需要对每个分组的整列col1和col2应用函数。以下是两种可行的解决方案：

方案1：修改自定义函数以接收分组DataFrame #

直接让函数接收整个分组的DataFrame，从中提取整列进行计算，逻辑更直观且效率更高：

import pandas as pd

df = pd.DataFrame.from_dict({
    'group_var':[1,1,1,1,2,2,2,2,3,3,3,3],
    'col1':[1,2,1,1,2,1,3,1,3,1,1,2],
    'col2':[1,2,1,2,1,2,1,3,1,3,1,3]
})

def f(group):
    col1_sum = group['col1'].sum()
    # 直接对col2整列做向量运算，替代列表推导更高效
    return group['col2'] + col1_sum

# 应用函数并重置索引匹配原DataFrame
result = df.groupby('group_var').apply(f).reset_index(drop=True)
print(result)

输出结果完全符合你的期望：

0     6
1     7
2     6
3     7
4     8
5     9
6     8
7    10
8     8
9    10
10    8
11    10
dtype: int64

方案2：保留原函数，通过lambda传递整列 #

如果你不想修改原函数f，可以通过lambda表达式将分组的col1和col2整列传入：

def f(col1, col2):
    new_col = pd.Series([val + sum(col1) for val in col2])
    return new_col

result = df.groupby('group_var').apply(lambda g: f(g['col1'], g['col2'])).reset_index(drop=True)
print(result)

关键说明 #

• 避免使用apply(axis=1)，这会强制逐行处理，无法获取整列Series
• groupby.apply默认会将每个分组的DataFrame传入函数，利用这一点就能拿到整列数据
• 最后用reset_index(drop=True)是为了让分组计算后的结果索引与原DataFrame对齐

内容的提问来源于stack exchange，提问作者ReelSaemon