如何在Pandas groupby中添加多列并合并多DataFrame为单表

一、合并已有的三个独立DataFrame #

假设你已经生成了三个分别包含单一统计列的DataFrame：

• df_max：包含member_casual和max_ride_length列
• df_avg：包含member_casual和avg_ride_length列
• df_day：包含member_casual和most_active_day_of_week列

方法1：使用merge逐步合并 #

直接通过member_casual列作为关联键，多次调用merge完成合并，最后设置索引：

# 合并三个DataFrame
merged_df = df_max.merge(df_avg, on='member_casual').merge(df_day, on='member_casual')
# 将member_casual设为索引
merged_df = merged_df.set_index('member_casual')

方法2：使用join（需先统一索引） #

先将每个DataFrame的索引设为member_casual，再通过join一次性合并：

# 分别设置索引
df_max = df_max.set_index('member_casual')
df_avg = df_avg.set_index('member_casual')
df_day = df_day.set_index('member_casual')
# 合并
merged_df = df_max.join([df_avg, df_day])

二、用groupby一次性生成所有目标列（更高效） #

其实不需要先拆分生成三个独立DataFrame，直接通过groupby配合agg方法，一次就能生成包含所有统计列的结果，步骤更简洁：

假设你的原始数据DataFrame为raw_df，包含member_casual、ride_length、day_of_week这几个核心列：

# 定义函数：获取出现次数最多的星期几（处理mode可能返回多个值的情况）
def get_most_active_day(series):
    return series.mode().iloc[0]

# 分组聚合一次性生成所有目标列
result_df = raw_df.groupby('member_casual').agg(
    max_ride_length=('ride_length', 'max'),  # 计算最大骑行时长
    avg_ride_length=('ride_length', 'mean'), # 计算平均骑行时长
    most_active_day_of_week=('day_of_week', get_most_active_day) # 统计最活跃的星期几
)

关键说明： #

• agg方法接受一个字典，键是你想要生成的新列名，值是元组（原始列名，聚合函数）
• 对于most_active_day_of_week，因为mode()可能返回多个并列的结果，所以用iloc[0]取第一个结果保证返回单一值
• 最终的result_df自动以member_casual为索引，直接包含你需要的三个统计列

内容的提问来源于stack exchange，提问作者BannyM