Pandas分组后对单列应用自定义函数并保留其余列的实现方案

这里有两个无需额外合并操作的优化方案，能直接在分组处理时保留你需要的otherstuff1和otherstuff2列：

方案1：使用agg()指定多列处理逻辑 #

因为你提到每个name对应的otherstuffX列值完全相同，我们可以在分组聚合时，对value1应用自定义函数，对其他列直接取组内任意一个值（比如first、max都可以，结果一致）：

import pandas as pd

# 假设你的complex_function已经定义好
def complex_function(values):
    # 示例逻辑，替换成你的实际代码
    return sum(values) * 30.7

result = df.groupby('name', sort=False).agg(
    value1=('value1', complex_function),
    otherstuff1=('otherstuff1', 'first'),
    otherstuff2=('otherstuff2', 'first')
).reset_index()

这个方法代码清晰，明确指定每一列的处理规则，执行效率也较高。

方案2：对整个分组应用自定义处理函数 #

如果你的otherstuff列数量很多，不想逐个列名指定，可以编写一个处理整个分组的函数，返回包含所有需要列的Series：

def process_single_group(group):
    # 处理value1列
    processed_value = complex_function(group['value1'])
    # 取组内第一行的otherstuff值（因为组内所有行的值都相同）
    return pd.Series({
        'value1': processed_value,
        'otherstuff1': group['otherstuff1'].iloc[0],
        'otherstuff2': group['otherstuff2'].iloc[0]
    })

result = df.groupby('name', sort=False).apply(process_single_group).reset_index()

这种方式更灵活，适合列数较多的场景，只需要一次函数定义就能处理所有列。

为什么原代码会丢失列？ #

你之前的代码df.groupby('name', sort=False)['value1'].apply(complex_function).reset_index()只针对value1列进行分组处理，所以返回的结果只包含name和处理后的value1。而上面的两种方法都是对整个分组或多列进行操作，因此能直接保留需要的所有列。

内容的提问来源于stack exchange，提问作者Mrofsnart