使用groupby+apply+lambda调用自定义normalize函数失败求助

错误原因 #

1. 索引对齐问题：groupby.apply()返回的结果会保留分组的层级索引，直接赋值给原数据集的新列时，原数据集的索引与返回结果的索引无法匹配，从而触发索引查找相关错误（即你遇到的_engine.get_loc报错）。
2. 元素取值错误：代码中week[0]是按索引值取元素，而非分组后的第一个元素。如果原数据集的索引不是连续的0起始整数，会取到错误值甚至抛出KeyError。

修正方案 #

方案一：使用transform替代apply（推荐）

transform会自动返回与原数据集长度一致、索引对齐的结果，无需额外处理。同时修改函数用iloc[0]确保取到分组的第一个元素：

def normalize(week):
    # iloc[0] 取分组后的第一个元素，不受原索引影响
    norm_week = (week / week.iloc[0]) - 1
    return norm_week

# 用transform替代apply，自动对齐索引
dataset['col_1_norm'] = dataset.groupby('week_number')['col_1'].transform(normalize)

方案二：简化为一行代码（无需自定义函数）

直接在transform中写入逻辑，更简洁：

dataset['col_1_norm'] = dataset.groupby('week_number')['col_1'].transform(
    lambda x: (x / x.iloc[0]) - 1
)

验证示例 #

以你提供的数据集为例，执行后会生成如下结果：

内容的提问来源于stack exchange，提问作者carlo05