Pandas分组应用函数报错排查及超赞房东房价中位数差最优解法

一、解决TypeError报错 #

你的报错是因为groupby.apply对多列分组时，会把整个分组的DataFrame作为单个参数传给函数，而不是拆分host_is_superhost和price为两个独立参数。

修复自定义函数 #

修改函数逻辑，让它接收分组后的DataFrame，再从中提取需要的列：

def func(group_df):
    # 筛选超赞/非超赞房东的房价数据
    super_prices = group_df.loc[group_df['host_is_superhost'] == 't', 'price']
    non_super_prices = group_df.loc[group_df['host_is_superhost'] == 'f', 'price']
    
    # 处理分组中某类房东为空的情况，避免中位数计算报错
    super_med = super_prices.median() if not super_prices.empty else 0
    non_super_med = non_super_prices.median() if not non_super_prices.empty else 0
    
    return super_med - non_super_med

正确调用代码 #

注意先把price列从带$的字符串转为数值类型：

listings = pd.read_csv("https://storage.googleapis.com/public-data-337819/listings%202%20reduced.csv", low_memory=False)
# 清洗price列，转为浮点型
listings['price'] = listings['price'].replace('[\$,]', '', regex=True).astype(float)

# 分组并计算差值
neighbourhood_groups = listings.groupby('neighbourhood_cleansed')[['host_is_superhost', 'price']]
price_diffs = neighbourhood_groups.apply(func)

# 找出差值最大的街区
top_neighbourhood = price_diffs.idxmax()
top_diff_value = price_diffs.max()

二、更简洁的最优解法 #

无需自定义函数，用Pandas内置的pivot_table可以一步实现，代码更高效易读：

# 先清洗price列
listings['price'] = listings['price'].replace('[\$,]', '', regex=True).astype(float)

# 生成透视表，按街区分组，计算两类房东的房价中位数
median_table = listings.pivot_table(
    index='neighbourhood_cleansed',
    columns='host_is_superhost',
    values='price',
    aggfunc='median'
)

# 计算差值并筛选最大值
median_table['price_diff'] = median_table['t'] - median_table['f']
max_diff_result = (median_table['price_diff'].idxmax(), median_table['price_diff'].max())

print(f"差值最大的街区：{max_diff_result[0]}，中位数差值：{max_diff_result[1]:.2f}")

该解法的优势 #

• 利用Pandas原生功能，避免自定义函数的冗余代码
• 透视表保留了两类房东的中位数数据，方便后续扩展分析
• 代码逻辑清晰，可读性和维护性更强

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