如何基于Match Quality聚合GroupBy结果并处理NaN，lambda能否关联对应列

编辑补充：删除NaN行不可行，因为并非所有分组都有Match Quality值，但仍需提取这些分组中的定价数据。

现有如下DataFrame：

import numpy as np
import pandas as pd

df = pd.DataFrame({
    'Part Description':['Clutch Set', 'Clutch Set', 'Clutch Set', 'Clutch Set', 'Cambelt Kit', 'Cambelt Kit', 'Cambelt Kit', 'Cambelt Kit', 'Front Bumper', 'Front Bumper'],
    'Price':[100, np.nan, np.nan, 50, 1000, np.nan, 500, np.nan, 250, np.nan],
    'Match Quality':['Poor', np.nan, np.nan, np.nan, np.nan, np.nan, 'Perfect', np.nan, np.nan, np.nan]
})

需求：按Part Description分组并聚合Price列，规则为：

• 优先选择Match Quality非空对应的Price值；
• 若分组内Match Quality全为NaN，则选择该分组的最高Price值。

期望输出结果：

pd.DataFrame({
    'Part Description':['Clutch Set', 'Cambelt Kit', 'Front Bumper'],
    'Price':[100, 500, 250],
    'Match Quality':['Poor', 'Perfect', np.nan]
})

尝试用aggregate结合lambda函数实现，但不确定能否在lambda中引用Price对应的Match Quality值：

df.groupby(['Part Description']).agg(lambda x: ... )

直接用agg的lambda单独处理Price列时，无法直接引用同一行的Match Quality值——因为lambda接收的是单列的Series，只能访问当前列的数据。推荐用groupby.apply实现，它能让你拿到整个分组的DataFrame，可同时操作多列，逻辑更清晰：

def process_group(group):
    # 筛选出Match Quality非空的行
    match_rows = group[group['Match Quality'].notna()]
    if not match_rows.empty:
        # 取第一个有效匹配的Price和Match Quality（若有多条可按需调整规则）
        return pd.Series({
            'Price': match_rows['Price'].iloc[0],
            'Match Quality': match_rows['Match Quality'].iloc[0]
        })
    else:
        # 分组无有效匹配时，取最高Price，Match Quality设为NaN
        return pd.Series({
            'Price': group['Price'].max(),
            'Match Quality': np.nan
        })

# 应用分组处理并重置索引
result = df.groupby('Part Description').apply(process_group).reset_index()
print(result)

输出结果：

Part Description  Price Match Quality
0      Cambelt Kit  500.0        Perfect
1      Clutch Set  100.0           Poor
2   Front Bumper  250.0            NaN

如果一定要用agg，可以先构造临时列打包Price和Match Quality，再对元组列聚合，但可读性较差：

# 构造包含Price和Match Quality的元组列
df['price_match'] = df.apply(lambda row: (row['Price'], row['Match Quality']), axis=1)

def agg_func(tuples):
    # 过滤出Match Quality非空的元组
    valid_tuples = [t for t in tuples if pd.notna(t[1])]
    if valid_tuples:
        return valid_tuples[0]
    else:
        # 取Price最大值对应的元组
        max_price = max([t[0] for t in tuples if pd.notna(t[0])])
        return (max_price, np.nan)

# 聚合后拆分元组为列
result = df.groupby('Part Description')['price_match'].agg(agg_func)\
           .apply(pd.Series)\
           .rename(columns={0:'Price', 1:'Match Quality'})\
           .reset_index()

对比来看，groupby.apply的方式逻辑更直观，后续维护也更方便。

内容的提问来源于stack exchange，提问作者Elliott Davey