Pandas：使用列表变量执行groupby分组时报错的解决方法

问题场景 #

我有一个Pandas DataFrame df：

state   name    age
WB      Jim     26
CA      John    32
CA      Jason   14

直接硬编码列名执行分组求最大值的代码可以正常运行：

df2 = df.groupby(['state', 'name'])['age'].max().reset_index()

但当用列表变量代替硬编码列名时：

cols = ['state', 'name']
df2 = df.groupby(cols)['age'].max().reset_index()

出现如下错误：

raise TypeError("You have to supply one of 'by' and 'level'")
TypeError: You have to supply one of 'by' and 'level'

解决方法 #

1. 确认列表变量的类型 #

这个报错大概率是因为cols变量的类型不是真正的列表——比如它可能被误赋值为字符串、Series或其他不符合要求的类型。先执行以下代码确认类型：

print(type(cols))

确保输出为<class 'list'>，如果不是，重新定义正确的列表：

cols = ['state', 'name']

2. 显式指定by参数 #

为避免Pandas对参数识别产生歧义，直接显式传入by参数来指定分组列：

cols = ['state', 'name']
df2 = df.groupby(by=cols)['age'].max().reset_index()

这种写法会明确告诉Pandas你要按cols列表中的列进行分组，彻底避免参数识别问题。

内容的提问来源于stack exchange，提问作者aiman