如何在Pandas中无循环实现自定义索引子集的聚合操作？

假设我有一个Pandas DataFrame，示例代码如下：

import pandas as pd
df = pd.DataFrame(columns=["A", "B"], data = [(1, 2), (4, 5), (7, 8), (10, 11)])

同时有一组自定义索引子集：

inds = [(0, 1, 3), (0, 1, 2), (1, 2, 3)]

希望根据这些索引子集进行聚合操作（比如求均值），期望得到的结果如下：

是否可以不编写循环，仅使用Pandas原生方法实现该操作？这和df.groupby后调用.agg的逻辑类似，但我没找到通过自定义索引集合创建GroupBy对象的方法。

可以通过Pandas原生方法结合numpy实现无循环的自定义分组聚合，以下是三种高效方案：

方法1：构造分组映射实现groupby #

核心思路是给每个原索引分配对应的分组ID，再通过分组ID完成聚合：

import pandas as pd

df = pd.DataFrame(columns=["A", "B"], data = [(1, 2), (4, 5), (7, 8), (10, 11)])
inds = [(0, 1, 3), (0, 1, 2), (1, 2, 3)]

# 构建原索引到分组ID的映射
group_map = {}
for group_id, idx_list in enumerate(inds):
    for idx in idx_list:
        group_map.setdefault(idx, []).append(group_id)

# 转换为可用于groupby的Series（展开多分组映射）
group_series = pd.Series(group_map).explode().astype(int)
# 按分组ID聚合计算均值
result = df.loc[group_series.index].groupby(group_series).mean()
print(result)

输出结果：

A          B
0   5.000000   6.000000
1   4.000000   5.000000
2   7.000000   8.000000

该方案支持同一个原索引属于多个分组的场景，会自动将对应行分配到所有关联分组中参与计算。

方法2：拼接分组数据后聚合 #

如果分组逻辑简单，可直接提取每个分组的数据并标记分组ID，再合并聚合：

# 为每个分组的数据添加分组标记，存入列表
dfs = []
for group_id, idx_list in enumerate(inds):
    temp_df = df.loc[idx_list].assign(group=group_id)
    dfs.append(temp_df)

# 合并后按分组标记聚合
result = pd.concat(dfs).groupby("group").mean()
print(result)

此方法逻辑直观，易理解，分组数量不多时性能与方法1相当。

方法3：numpy广播加速（适合大型数据集） #

处理超大规模数据时，可直接用numpy的广播机制跳过Pandas分组逻辑，提升计算速度：

import numpy as np

# 将索引子集转为numpy数组
inds_np = np.array(inds)
# 提取对应数据并计算均值，转换为DataFrame
result = pd.DataFrame(
    np.mean(df.values[inds_np], axis=1),
    columns=df.columns
)
print(result)

该方案完全基于numpy的向量运算，是三种方法中速度最快的，适合数据量较大的场景。

内容的提问来源于stack exchange，提问作者DimB