如何正确将初始DataFrame的计算指标合并至新DataFrame及代码问题排查

我来帮你一步步理清问题所在，然后给出简单易懂的解决方案～

第一个问题：分组列为空的原因 #

你一开始创建了空的result_raw DataFrame，然后直接把groupby的结果赋值给列，但这里有个关键问题：groupby后的结果是一个以分组列（date_diff、attributes_platform、l2）为索引的Series，而你的空DataFrame默认是数字索引，所以赋值后分组列并不会自动变成result_raw的普通列，导致你看到这些列是空的。

修正方法（推荐高效写法） #

不要先创建空DataFrame，直接通过分组聚合一次性生成所有指标，这样分组列会自动保留为普通列。下面是具体代码：

def calculate_group_metrics(group):
    # 针对每个分组，计算各个dau指标对应的唯一用户数
    return pd.Series({
        'dau_view': group[group['dau_view'] == 1]['user_client_id'].nunique(),
        'dau_click': group[group['dau_click'] == 1]['user_client_id'].nunique(),
        'dau_to_cart': group[group['dau_to_cart'] == 1]['user_client_id'].nunique(),
        'dau_preorder': group[group['dau_preorder'] == 1]['user_client_id'].nunique(),
        'dau_order': group[group['dau_order'] == 1]['user_client_id'].nunique(),
        'dau_ps': group[group['dau_ps'] == 1]['user_client_id'].nunique()
    })

# 分组计算并重置索引，让分组列变成普通列
result_raw = merged_stats_skuranks_df.groupby(
    ['date_diff','attributes_platform','l2']
).apply(calculate_group_metrics).reset_index()

第二个问题：批量agg写法的错误修正 #

你尝试用agg批量计算时，有几个小错误：

1. groupby后面要用括号()，不是方括号[]
2. lambda函数的逻辑错了：你要统计的是满足dau_xxx==1时的唯一user_client_id数量，不是对dau列本身取nunique
3. 列名拼写错误：dau_tocart应该是dau_to_cart（和原始列名保持一致）

正确的批量agg写法 #

如果想用agg实现，也可以这样写：

# 定义聚合函数字典
agg_dict = {
    # 对每个dau指标，过滤出等于1的行后统计唯一用户数
    'dau_view': lambda x: merged_stats_skuranks_df.loc[x.index, 'user_client_id'][x == 1].nunique(),
    'dau_click': lambda x: merged_stats_skuranks_df.loc[x.index, 'user_client_id'][x == 1].nunique(),
    'dau_to_cart': lambda x: merged_stats_skuranks_df.loc[x.index, 'user_client_id'][x == 1].nunique(),
    'dau_preorder': lambda x: merged_stats_skuranks_df.loc[x.index, 'user_client_id'][x == 1].nunique(),
    'dau_order': lambda x: merged_stats_skuranks_df.loc[x.index, 'user_client_id'][x == 1].nunique(),
    'dau_ps': lambda x: merged_stats_skuranks_df.loc[x.index, 'user_client_id'][x == 1].nunique()
}

# 执行分组聚合并重置索引
result_raw = merged_stats_skuranks_df.groupby(
    ['date_diff','attributes_platform','l2']
).agg(agg_dict).reset_index()

不过相比之下，前面的apply写法更直观，新手更容易理解和调试。

额外提醒 #

如果你的原始DataFrame里还有view列需要加入结果，直接在calculate_group_metrics里加上对应的逻辑即可，比如：

def calculate_group_metrics(group):
    return pd.Series({
        # 其他指标...
        'view': group['view'].sum()  # 或者你需要的其他计算逻辑
    })

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