Python pandas：为DataFrame添加分组首行及对应月份航班数列报错解决

嘿，我来帮你搞定这个问题！先拆解一下你的需求和遇到的问题：你想要给每个机场对（出发+到达）添加2月、8月的航班数量列，同时尝试添加分组首行数据时碰到了索引不匹配的错误，咱们一步步来解决。

首先分析错误原因 #

你写的这段代码：

df = df.assign(newcol = lambda x: df.groupby(['APT_ORG_CODE','APT_ORG','APT_DES','APT_DES_CODE'],as_index=False)['Nb_flights'].first())

问题出在groupby(...).first()——它返回的是分组后的首行数据组成的小DataFrame（你的数据里是3行，对应3个机场对），但原DataFrame有6行，两者的索引长度不匹配，所以插入时就会抛出incompatible index of inserted column with frame index错误。

要给原DataFrame的每一行都添上对应分组的首行数据，得用transform('first')而不是first()，因为transform会把分组结果广播到组内所有行，保持和原DataFrame相同的长度。

解决方案一：添加2月、8月航班数量列 #

我们可以用pivot把月度数据转成列，再和原DataFrame合并，这样就能得到每个机场对的2月、8月航班数：

import pandas as pd

# 先创建原DataFrame
df = pd.DataFrame(data={
    'APT_ORG_CODE':['AAL','AAL','AAL','AAL','ZYI','ZYI'],
    'APT_ORG':['Aalborg Airport','Aalborg Airport','Aalborg Airport','Aalborg Airport','Zunyi','Zunyi'],
    'APT_DES':['Amsterdam','Amsterdam','Copenhagen Kastrup Apt','Copenhagen Kastrup Apt','Zhuhai','Zhuhai'],
    'APT_DES_CODE':['AMS','AMS','CPH','CPH','ZUH','ZUH'],
    'Month':[2,8,2,8,2,8],
    'Nb_flights':[85,60,209,213,4,13]
})

# 生成每个机场对的月度航班数透视表
pivot_df = df.pivot(
    index=['APT_ORG_CODE','APT_ORG','APT_DES','APT_DES_CODE'],
    columns='Month',
    values='Nb_flights'
).rename(columns={2: 'Feb_flights', 8: 'Aug_flights'}).reset_index()

# 和原DataFrame合并，给每一行添上对应机场对的2月、8月数据
df = df.merge(pivot_df, on=['APT_ORG_CODE','APT_ORG','APT_DES','APT_DES_CODE'], how='left')

运行后，df会新增Feb_flights和Aug_flights两列，每个机场对的两行都会对应正确的月度航班数。

解决方案二：添加分组首行数据列 #

用transform来实现，它会返回和原DataFrame长度一致的Series，完美匹配索引：

方法1：仅添加分组首行的航班数 #

df['group_first_flight'] = df.groupby(['APT_ORG_CODE','APT_ORG','APT_DES','APT_DES_CODE'])['Nb_flights'].transform('first')

方法2：添加分组首行的任意列数据（比如出发机场名称） #

df['group_first_org'] = df.groupby(['APT_ORG_CODE','APT_ORG','APT_DES','APT_DES_CODE'])['APT_ORG'].transform(lambda x: x.iloc[0])

如果想要把分组首行的所有数据都添加上，可以对整个分组用first()后合并：

# 生成分组首行的完整数据，再合并到原df
group_first_df = df.groupby(['APT_ORG_CODE','APT_ORG','APT_DES','APT_DES_CODE']).first().add_prefix('group_first_').reset_index()
df = df.merge(group_first_df, on=['APT_ORG_CODE','APT_ORG','APT_DES','APT_DES_CODE'], how='left')

最终效果示例 #

处理后的df会是这样的（截取部分列）：

内容的提问来源于stack exchange，提问作者Lucas Snow