在Pandas的groupby中使用pd.NamedAgg调用shift函数报错求助

shift不属于聚合函数——它不会将分组后的一组数据压缩为单个值，而是返回与原分组行数一致的序列。而mean、max这类聚合函数返回的是每组单个值，两者输出结构不兼容，导致索引合并时触发NotImplementedError。

方法一：拆分处理后合并 #

先计算常规聚合项，再单独处理移位逻辑，最后合并结果：

# 计算基础聚合结果
agg_result = df.groupby(["ID", "Day", "hour"]).agg(
    profit_avg=pd.NamedAgg(column='profit', aggfunc='mean'),
    volume_max=pd.NamedAgg(column='volume', aggfunc='max')
)

# 计算组内移位后的price，再聚合为每组单个值（示例取每组第一个值，可按需调整为last等）
price_shift = df.groupby(["ID", "Day", "hour"])['price'].shift().groupby(["ID", "Day", "hour"]).first()

# 合并两个结果
final_result = agg_result.join(price_shift.rename('pn_price_shift'))

方法二：先生成移位列再聚合 #

用transform将组内移位结果广播回原DataFrame，再统一聚合：

# 在原数据中添加组内移位后的price列
df['pn_price_shift'] = df.groupby(["ID", "Day", "hour"])['price'].shift()

# 统一聚合，移位列按需取单个值（示例取first）
final_result = df.groupby(["ID", "Day", "hour"]).agg(
    profit_avg=pd.NamedAgg(column='profit', aggfunc='mean'),
    volume_max=pd.NamedAgg(column='volume', aggfunc='max'),
    pn_price_shift=pd.NamedAgg(column='pn_price_shift', aggfunc='first')
)

注意事项 #

移位后的每组会有多个值（与组内行数一致），需根据业务需求选择聚合逻辑：比如first取移位后的第一个值、last取最后一个值，或其他自定义逻辑。如果组内移位后存在NaN，要提前处理或选择合适的聚合方式。

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