如何结合列索引与列名使用Pandas的groupby方法？

我正在编写一个函数，使用groupby对多个DataFrame进行筛选。示例DataFrame如下，但每个DataFrame的列数并不固定：

df = pd.DataFrame({
    'xyz CODE': [1,2,3,3,4, 5,6,7,7,8],
    'a': [4, 5, 3, 1, 2, 20, 10, 40, 50, 30],
    'b': [20, 10, 40, 50, 30, 4, 5, 3, 1, 2],
    'c': [25, 20, 5, 15, 10, 25, 20, 5, 15, 10] })

每个DataFrame的首列名称各不相同，但其余列名称在所有DataFrame中保持一致。我想知道：能否结合列位置与列名执行groupby操作？具体该如何实现？

我编写了如下函数，但出现报错TypeError: unhashable type: 'list'：

def filter_all_df(df):
    df['max_c'] = df.groupby(df.columns[0])['a'].transform('max')
    newdf = df[df['a'] == df['max_c']].drop(['max_c'], axis=1) 
    newdf['max_score'] = newdf.groupby([newdf.columns[0],'a','b'])['c'].transform('max')
    newdf = newdf[newdf['c'] == newdf['max_score']]
    newdf = newdf.sort_values([newdf.columns[0]]).drop_duplicates([newdf.columns[0], 'a','b', 'c'], keep='last')
    newdf.to_csv('newdf_all.csv')
    return newdf

解决方案 #

完全可以结合列位置与列名执行groupby操作，核心是通过列位置提取对应的列名字符串，再和其他列名配合使用。你的报错大概率是代码重复调用df.columns[0]导致的潜在问题，或是首列包含不可哈希的元素（比如列表类型的值）。下面是修正后的代码，同时优化了可读性：

def filter_all_df(df):
    # 提取首列的列名，用变量存储避免重复调用
    key_col = df.columns[0]
    
    # 按首列分组，标记每个组内a列的最大值
    df['max_c'] = df.groupby(key_col)['a'].transform('max')
    newdf = df[df['a'] == df['max_c']].drop(['max_c'], axis=1) 
    
    # 按首列、a、b列分组，标记每个组内c列的最大值
    newdf['max_score'] = newdf.groupby([key_col, 'a', 'b'])['c'].transform('max')
    newdf = newdf[newdf['c'] == newdf['max_score']].drop(['max_score'], axis=1)
    
    # 按首列排序并去重
    newdf = newdf.sort_values(key_col).drop_duplicates([key_col, 'a', 'b', 'c'], keep='last')
    
    newdf.to_csv('newdf_all.csv')
    return newdf

关键说明： #

• 先通过df.columns[0]获取首列的列名字符串，存入变量key_col，后续直接使用该变量，既清晰又避免重复解析列名的潜在问题。
• 在groupby中，将key_col与固定列名（如'a'、'b'）放在同一个列表里，就能实现结合列位置与列名的分组操作。
• 如果仍出现unhashable type: 'list'报错，检查首列的元素类型：如果首列存在列表、字典这类不可哈希的值，需要先将其转为可哈希类型（比如把列表转成元组），才能正常执行groupby。

用你的示例DataFrame测试，运行上述函数后会得到符合预期的筛选结果：

xyz CODE   a   b   c
0         1   4  20  25
1         2   5  10  20
3         3   1  50  15
4         4   2  30  10
5         5  20   4  25
6         6  10   5  20
8         7  50   1  15
9         8  30   2  10

内容的提问来源于stack exchange，提问作者byc