如何对字符串列执行Max聚合？解决NaN问题及自定义比较函数咨询

首先，你遇到全NaN的问题不是因为非数值型Series不能执行max操作——实际上，像YYYY-MM-DD格式的日期字符串是可以通过字典序比较出大小的，pandas的max方法完全能处理它。真正的原因是：你直接将groupby.max()的结果赋值给原DataFrame的新列时，索引没有对齐。

dataframe.groupby(["DEPARTMENT_ID"])["SLOT_BEGIN_TIME"].max()返回的结果是一个以DEPARTMENT_ID（A、B）为索引的Series，而原DataFrame的索引是默认的0、1、2、3。当你直接赋值时，pandas会尝试按索引匹配，原DataFrame的索引0-3在groupby结果的索引里找不到对应项，所以全部变成NaN。

最优解决方案：用transform替代直接赋值 #

不需要自定义函数，用transform方法就能轻松解决，它会将每个组的最大值广播到该组的所有行，自动和原DataFrame索引对齐：

import pandas as pd

# 你的原始DataFrame
dataframe = pd.DataFrame.from_dict( { 
    "DEPARTMENT_ID": ["A", "B", "A", "B"], 
    "SLOT_BEGIN_TIME": ["2014-01-01", "2014-01-02", "2014-02-01", "2014-02-02"], 
} )

# 直接用transform获取每组最大值并赋值
dataframe["MAX_TIME"] = dataframe.groupby(["DEPARTMENT_ID"])["SLOT_BEGIN_TIME"].transform('max')

执行后你会得到正确的结果：

如果想更严谨（比如避免非标准日期字符串的比较错误），建议先将SLOT_BEGIN_TIME转为datetime类型，再执行操作：

# 转datetime类型
dataframe['SLOT_BEGIN_TIME'] = pd.to_datetime(dataframe['SLOT_BEGIN_TIME'])
# 获取每组最大日期（自动保持datetime类型）
dataframe['MAX_TIME'] = dataframe.groupby('DEPARTMENT_ID')['SLOT_BEGIN_TIME'].transform('max')
# 若需要转回字符串格式：
# dataframe['MAX_TIME'] = dataframe['MAX_TIME'].dt.strftime('%Y-%m-%d')

用自定义比较函数实现需求 #

如果你确实需要用自定义函数来实现最大值比较（比如有特殊的日期格式或比较规则），可以结合transform和自定义函数：

示例1：自定义字符串比较（针对YYYY-MM-DD格式） #

def custom_str_max(series):
    # 直接利用字符串字典序比较日期（仅适用于YYYY-MM-DD格式）
    return max(series)

dataframe["MAX_TIME"] = dataframe.groupby('DEPARTMENT_ID')['SLOT_BEGIN_TIME'].transform(custom_str_max)

示例2：自定义datetime比较（更通用） #

def custom_datetime_max(series):
    # 先转为datetime类型，再取最大值，最后转回字符串（按需调整）
    dt_series = pd.to_datetime(series)
    return dt_series.max().strftime('%Y-%m-%d')

dataframe["MAX_TIME"] = dataframe.groupby('DEPARTMENT_ID')['SLOT_BEGIN_TIME'].transform(custom_datetime_max)

这样就能通过自定义函数实现每组最大值的计算，同时保证结果和原DataFrame正确对齐。

内容的提问来源于stack exchange，提问作者D. Seah