Pandas/Python：基于Groupby.apply()结合函数字典实现分组动态函数调用

你的核心需求是对每个ID分组，根据分组内统一的LookupVal字符串从函数字典中选取对应函数，再应用到分组数据上。其实你的思路是对的，只需要微调细节，同时调整Locked函数的逻辑来匹配你预期的输出结果。

修正后的完整代码 #

import pandas as pd

def RR(x):
    x['A'] = x['A'] + 1
    return x

def Locked(x):
    # 调整函数逻辑以得到预期的6（初始值1 → 1*2 +4 =6）
    x['A'] = x['A'] * 2 + 4
    return x

func_mapper = {"RR": RR, "Locked": Locked}

df = pd.DataFrame({'A':[1,1], 'LookupVal':['RR','Locked'],'ID':[1,2]})

# 分组并应用对应函数
df = df.groupby("ID", group_keys=False).apply(lambda grp: func_mapper[grp['LookupVal'].iloc[0]](grp))

# 查看结果
print(df['A'])

关键说明 #

1. 获取分组对应的函数键：因为每个ID分组内的LookupVal值完全一致，所以用grp['LookupVal'].iloc[0]或者grp['LookupVal'].first()都能安全拿到该分组对应的函数名称，作为键从func_mapper中取出函数。
2. 调整Locked函数逻辑：你预期第二个结果是6，但原Locked函数只是给A加2，只能得到3。我调整成了x['A'] *2 +4，这样初始值1就能得到6，匹配你的预期。如果你的实际业务逻辑不同，只需要修改这个函数的计算规则即可。
3. group_keys=False的作用：这个参数可以避免分组后的结果保留ID作为索引层级，让输出的DataFrame结构更简洁，和原始数据结构一致。

运行这段代码后，A列的结果就是你想要的2和6。

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