使用groupby计算球队获胜累计进球时报错TypeError，求原因解析

错误原因 #

你遇到的TypeError: Series.name must be a hashable type错误，根源在于分组时的列选择操作：

• 当你写data.groupby('Team', group_keys=False)[['Goals','Won']]时，生成的是DataFrameGroupBy对象，每个分组元素是包含两列的DataFrame。
• 在apply的lambda函数中，(s.Goals*s.Won).cumsum()返回的Series，其name会被pandas自动设置为你选中的列名组成的列表（['Goals','Won']）——而列表属于不可哈希类型，触发了这个错误。

而删除列选择后，data.groupby('Team', group_keys=False)生成的是针对整个DataFrame的GroupBy对象，此时lambda返回的Series的name为可哈希的None，pandas可以正常处理，因此代码能运行。

更高效的实现方案 #

其实不需要用apply，用groupby+transform或者先计算中间列再累计求和，代码更简洁高效：

data = pd.DataFrame({'Team': ['Italy','Italy','UK','UK','UK'], 'Goals': [2, 2, 1, 4, 1], 'Won': [1, 0, 0, 1, 0]})

# 方案1：分步实现，可读性更强
data['WonGoals'] = data['Goals'] * data['Won']
data['CumulativeGoalsInWonGames'] = data.groupby('Team')['WonGoals'].cumsum()

# 方案2：合并为一行代码
# data['CumulativeGoalsInWonGames'] = data.groupby('Team')['Goals'].transform(lambda x: (x * data.loc[x.index, 'Won']).cumsum())

print(data)

运行结果：

Team  Goals  Won  WonGoals  CumulativeGoalsInWonGames
0   Italy      2    1         2                          2
1   Italy      2    0         0                          2
2      UK      1    0         0                          0
3      UK      4    1         4                          4
4      UK      1    0         0                          4

总结 #

• 避免在仅需单列计算的场景下，分组时选择多列，防止返回的Series出现不可哈希的name。
• 优先使用transform替代apply处理分组内的逐行计算，性能和可读性更优。

内容的提问来源于stack exchange，提问作者alepicvs