Pandas分组后用expanding应用自定义函数报KeyError的解决问询

你遇到的KeyError: 'x1'本质是因为**expanding().apply()的默认行为和普通groupby.apply()不同**：即使设置了raw=False，它传递给自定义函数的是单列Series，而不是你预期的DataFrame子集，所以函数里访问_df['x1']自然找不到对应的键。

问题原因拆解 #

当你执行df.groupby('group').expanding().apply(foo, raw=False)时，Pandas会对每个expanding窗口的每一列单独处理，把单列的Series传给foo，而不是整个窗口的DataFrame。这就导致你的函数试图访问Series的'x1'键时触发KeyError。

正确实现方式（兼容复杂自定义函数） #

因为你提到实际函数逻辑复杂无法拆分，最稳妥的办法是先通过groupby.apply()拿到完整的组DataFrame，再在组内手动实现expanding窗口的逻辑，确保传递给foo的是真正的DataFrame子集：

import pandas as pd

# 初始化你的DataFrame
df = pd.DataFrame.from_dict(
    {
        'group': ['A','A','A','B','B','B'],
        'time': [1,2,3,1,2,3],
        'x1': [10,40,30,100,200,300],
        'x2': [1,0,1,2,0,3]
    }
).sort_values('time')

# 你的自定义函数（示例）
def foo(_df):
    return _df['x1'].max() * _df['x2'].iloc[-1]

# 定义组内的expanding处理逻辑
def process_group(group):
    # 遍历每个行的位置，生成截至当前行的expanding窗口
    expanding_results = []
    for idx in range(1, len(group) + 1):
        # 截取从第一行到当前行的窗口
        window_df = group.iloc[:idx]
        expanding_results.append(foo(window_df))
    # 将结果赋值给组内的新列
    group['foo_result'] = expanding_results
    return group

# 应用到分组数据，group_keys=False避免额外的分组索引
df = df.groupby('group', group_keys=False).apply(process_group)

print(df)

运行结果 #

执行后会得到符合预期的输出（注：你的示例中A组第二行x2值为0，所以结果是40*0=0，和你写的期望结果80略有出入，应该是笔误，但代码逻辑完全符合需求）：

group  time   x1  x2  foo_result
0     A     1   10   1          10
3     B     1  100   2         200
1     A     2   40   0           0
4     B     2  200   0           0
2     A     3   30   1          40
5     B     3  300   3         900

为什么这个方法有效？ #

通过groupby('group').apply(process_group)，我们可以拿到每个分组的完整DataFrame，然后手动遍历每个行的位置，截取截至当前行的窗口（完全模拟expanding的行为），再把这个窗口DataFrame传给你的自定义函数foo，这样就不会出现KeyError，同时完全兼容任何复杂的函数逻辑。

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