如何将完整的GroupBy分组对象传入自定义函数并生成结果列

我有一个结构如下的Pandas DataFrame：

import pandas as pd

data = {
    'date': ['2022/03/01']*3 + ['2022/03/02']*3 + ['2022/03/03']*3,
    'col1': [1,3,5,6,2,8,2,10,9],
    'col2': [5,6,7,8,9,10,11,12,13],
    'col3': [10,12,14,15,17,19,21,22,23]
}
df = pd.DataFrame(data)

我定义了一个自定义函数，它接收一个完整的DataFrame，执行计算后返回单个float结果：

def my_func(df):
    # 示例：计算分组内col1、col2、col3的总和（实际逻辑可自定义）
    return df[['col1','col2','col3']].sum().sum()

我的需求是：按date列分组，把每个完整的分组DataFrame传入my_func，然后将函数返回的结果填充到该分组的所有行中，最终得到带result列的DataFrame（每个日期分组的所有行对应同一个result值）。

我尝试用df["result"] = df.groupby(["date"]).transform(my_func)实现，但发现传入my_func的不是完整的分组DataFrame，而是分组的每一列数据，请问该怎么正确实现？

解决方案 #

你遇到的问题是因为transform的设计逻辑：它默认会逐列处理分组数据，把每个分组的单独一列传给函数，而不是整个分组的DataFrame。要实现你的需求，我们可以用groupby.apply()先计算每个分组的结果，再把结果映射回原DataFrame的每一行。

方法一：用apply生成分组结果，再通过map填充 #

# 第一步：对每个完整分组DataFrame应用my_func，得到日期对应结果的Series
group_results = df.groupby('date').apply(my_func)

# 第二步：用map把每个日期对应的结果填充到原DataFrame的每一行
df['result'] = df['date'].map(group_results)

方法二：用apply生成结果后，通过merge合并（更直观） #

如果你觉得map不够直观，也可以把分组结果转成DataFrame，再和原表合并：

# 生成分组结果并转成带列名的DataFrame
result_df = df.groupby('date').apply(my_func).reset_index(name='result')

# 左连接合并，把结果填充到对应日期的所有行
df = df.merge(result_df, on='date', how='left')

为什么这两种方法可行？ #

• groupby.apply()会把每个完整的分组DataFrame作为参数传给my_func，函数返回的单个值会被整理成以date为索引的Series（或转成DataFrame）。
• 之后通过map或merge，我们把每个日期对应的结果匹配到原表的每一行，实现同一个分组的所有行共享同一个result值的效果。

比如用示例中的my_func（计算分组所有数值列的总和），最终的result列会是：

• 2022/03/01对应1+5+10+3+6+12+5+7+14=63
• 2022/03/02对应6+8+15+2+9+17+8+10+19=94
• 2022/03/03对应2+11+21+10+12+22+9+13+23=123

完全符合你的需求。

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