在Pandas中使用transform方法同时调用多个函数计算分组滚动指标的问题

TypeError Traceback (most recent call last)
in
----> 1 transactions.groupby(['entity_id'])[['inflow','outflow']].transform(['skew','mean'])
/jupyter/packages/pandas/core/groupby/generic.py in transform(self, func, engine, engine_kwargs, *args, **kwargs)
1354
1355 # optimized transforms
-> 1356 func = self._get_cython_func(func) or func
1357
1358 if not isinstance(func, str):
/jupyter/packages/pandas/core/base.py in _get_cython_func(self, arg)
335 if we define an internal function for this argument, return it
336 """
--> 337 return self._cython_table.get(arg)
338
339 def _is_builtin_func(self, arg):
TypeError: unhashable type: 'list'

请问如何在Pandas的`transform`方法中同时调用多个函数，实现类似`agg`方法的多指标计算？

---

## 解决方案
这个问题其实是Pandas API设计上的一个小限制：`transform()`（尤其是结合`rolling`使用时）目前不支持直接传入多函数列表/字典，因为它需要返回与原数据集**同形状、同索引**的结果，内部逻辑没有像`agg()`那样做多函数遍历处理。不过我们有两种优雅的方式来实现你的需求：

### 方法1：逐个调用transform，合并结果
对每个需要计算的指标单独调用`transform`，给结果列重命名后合并到原数据中。这种方法逻辑清晰，容易调试：

```python
import pandas as pd

# 假设我们用窗口大小为3的滚动计算，你可以根据实际需求调整
grouped = raw_transactions.groupby('entity_id')[['inflow', 'outflow']]

# 逐个计算滚动指标，并重命名列名以便区分
rolling_mean = grouped.rolling(3).transform('mean').rename(columns=lambda x: f"{x}_roll_mean")
rolling_skew = grouped.rolling(3).transform('skew').rename(columns=lambda x: f"{x}_roll_skew")
# 计算变异系数时注意避免除零错误
rolling_coef_var = grouped.rolling(3).transform(lambda x: x.std()/x.mean() if x.mean() != 0 else 0).rename(columns=lambda x: f"{x}_roll_coef_var")
rolling_kurtosis = grouped.rolling(3).transform(lambda x: x.kurtosis()).rename(columns=lambda x: f"{x}_roll_kurtosis")

# 把所有滚动指标合并到原数据集
result = raw_transactions.join([rolling_mean, rolling_skew, rolling_coef_var, rolling_kurtosis])

方法2：用apply返回多列DataFrame #

利用rolling().apply()，在自定义函数中返回包含多个指标的Series，通过设置result_type='expand'让结果展开为多列。这种方法可以减少重复代码，适合指标较多的场景：

import pandas as pd

def rolling_multi_metrics(window):
    """自定义滚动窗口计算函数，返回多个指标的Series"""
    mean_val = window.mean()
    # 处理除零情况，避免报错
    coef_var_val = window.std()/mean_val if mean_val != 0 else 0
    return pd.Series([
        mean_val,
        window.skew(),
        coef_var_val,
        window.kurtosis()
    ], index=['roll_mean', 'roll_skew', 'roll_coef_var', 'roll_kurtosis'])

# 分组后应用滚动窗口的apply，展开结果为多列
grouped = raw_transactions.groupby('entity_id')[['inflow', 'outflow']]
rolling_metrics = grouped.rolling(3).apply(rolling_multi_metrics, result_type='expand')

# 重命名列，区分不同字段的指标
rolling_metrics.columns = [f"{col}_{metric}" for col in ['inflow', 'outflow'] for metric in ['roll_mean', 'roll_skew', 'roll_coef_var', 'roll_kurtosis']]

# 合并到原数据集
result = raw_transactions.join(rolling_metrics)

为什么原代码会报错？ #

transform()的func参数只能接收单个可哈希对象（比如字符串函数名、单个lambda/自定义函数），而列表/字典是不可哈希的，所以触发了TypeError。agg()支持多函数是因为它内部会遍历函数列表，分别计算后合并结果，而transform()的设计目标是保持输出与输入同形状，暂时没有实现多函数批量处理的逻辑。

内容的提问来源于stack exchange，提问作者MrT