Pandas多列分组聚合出现KeyError: 'num_ratings'的解决方法

错误原因 #

你遇到的KeyError: 'num_ratings'，本质是因为在聚合字典中给单列（比如name）指定自定义函数时，传入函数的是该列的Series对象，而非整个分组的DataFrame——此时函数内部只能访问当前列的数据，自然找不到num_ratings列。

三种可行解决方案 #

方案1：用apply处理整个分组（最灵活） #

直接针对每个分组的完整DataFrame编写聚合逻辑，能自由访问所有列：

import pandas as pd

def group_agg(group):
    return pd.Series({
        'game_count': len(group),
        'avg_rating': group['avg_rating'].mean().round(2),
        'avg_playtime': group['playtime_num'].mean().round(0),
        'most_rated_game': group.loc[group['num_ratings'].idxmax(), 'name']
    })

# 执行聚合
result = grouped.apply(group_agg)

方案2：在agg中通过索引关联原数据 #

利用num_ratings的最大值索引，直接从原DataFrame中匹配对应的游戏名：

result = grouped.agg(
    game_count=('name', 'count'),
    avg_rating=('avg_rating', 'mean'),
    avg_playtime=('playtime_num', 'mean'),
    # 通过num_ratings的最大索引，从原表取name
    most_rated_game=('num_ratings', lambda x: popular.loc[x.idxmax(), 'name'])
)

方案3：先排序再取首行（最高效） #

先按分组键+num_ratings降序排序，再分组取首行，同时聚合其他统计量：

# 按分组规则排序，每组内评分最多的游戏排第一
sorted_data = popular.sort_values(
    ['support_solo', 'category', 'num_ratings'],
    ascending=[True, True, False]
)

# 分组聚合
result = sorted_data.groupby(['support_solo', 'category']).agg(
    game_count=('name', 'count'),
    avg_rating=('avg_rating', 'mean'),
    avg_playtime=('playtime_num', 'mean'),
    most_rated_game=('name', 'first')
)

注意事项 #

• 若存在多个游戏num_ratings相同的情况，方案3会取排序后的第一个，方案1和2会取索引最小的那个，可根据需求调整idxmax的逻辑（比如结合name排序）。
• 方案3的性能最优，适合大数据量场景；方案1适合需要复杂自定义聚合逻辑的场景。

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