Pandas DataFrame按不同聚合函数重采样报长度不匹配错误求解

现有如下结构的DataFrame，其中Stats列存储每个1秒时间戳对应的统计值类型（包含avg、count、min、max等类型），表结构示例：

需求为对该DataFrame按用户自定义时间间隔（例如5分钟）执行重采样，聚合对应时间区间内的数值。聚合规则为按Stats列类型匹配聚合函数：

• Stats值为avg时，对区间内数值求均值
• Stats值为count时，对区间内数值求和
  其余统计类型同理匹配对应聚合逻辑，分组维度需包含location、service、status code。

现有实现代码运行后触发报错：ValueError: Length of values (1) does not match the length of index (10)，无法得到预期结果，原有代码如下：

#sample dataframe
rng = pd.date_range('2022-06-01', periods=10, freq='T')
np.random.seed(10)
l = ['A', 'B', 'C', 'D']
k = ['avg', 'max', 'min', 'count', 'median', 'std']
m = ['s1', 's2', 's3']
j = [200, 400, 404, 500]

df = pd.DataFrame(
    {'date_time': rng,
     'location': random.choices(l, k=10),
     'service': random.choices(m, k=10),
     'status': random.choices(j, k=10),
     'stat': random.choices(k, k=10),
     'value': np.random.randint(100, 900, size=10)
     }
)

df.sort_values(by=df.columns.to_list())
print(df)
interval =5
resampled_df = df.assign(
    n_count=np.where(df['stat'] == 'count'),
    n_median=np.where(df['stat'] == 'median'),
    n_max=np.where(df['stat'] == 'max'),
    n_min=np.where(df['stat'] == 'min'),
    n_avg=np.where(df['stat'] == 'avg'),
    n_std=np.where(df['stat'] == 'std'),
).groupby(['date_time', 'location', 'services', 'status_code', 'stat']) \
    .resample('{}min'.format(interval), on='date_time') \
    .value \
    .agg({'n_count': sum, 'n_avg': np.mean, 'n_max': max, 'n_min': min, 'n_std': np.std,
          'n_median': np.median})

print(resampled_df)

原有代码存在4个核心问题：

1. np.where用法错误：仅传入了判断条件，未指定条件成立/不成立时的填充值，返回结果长度和原DataFrame索引长度不匹配，直接触发长度报错
2. 列名引用错误：分组时使用了不存在的列名services、status_code，原数据对应列名为service、status
3. 逻辑设计冗余：不需要为每个统计类型单独创建辅助列，将stat放入分组键后再做多列聚合的逻辑完全不符合需求
4. 排序操作无效：df.sort_values()未接收返回值也未设置inplace=True，排序操作实际未生效

首先定义统计类型和聚合函数的映射关系，先按业务维度分组，再在每个分组内做时间重采样，最后按统计类型匹配聚合规则即可，修正后可运行代码如下：

import pandas as pd
import numpy as np
import random

# 构造示例数据
rng = pd.date_range('2022-06-01', periods=10, freq='T')
np.random.seed(10)
l = ['A', 'B', 'C', 'D']
k = ['avg', 'max', 'min', 'count', 'median', 'std']
m = ['s1', 's2', 's3']
j = [200, 400, 404, 500]

df = pd.DataFrame(
    {'date_time': rng,
     'location': random.choices(l, k=10),
     'service': random.choices(m, k=10),
     'status': random.choices(j, k=10),
     'stat': random.choices(k, k=10),
     'value': np.random.randint(100, 900, size=10)
     }
)
# 若源数据stat带末尾点号，可打开下一行做统一清洗
# df['stat'] = df['stat'].str.rstrip('.')

interval = 5
# 定义统计类型对应的聚合函数
agg_map = {
    'count': 'sum',
    'avg': 'mean',
    'max': 'max',
    'min': 'min',
    'median': 'median',
    'std': 'std'
}

resampled_df = (
    df
    # 先按三个业务维度分组，每个维度组内单独做时间重采样
    .groupby(['location', 'service', 'status'])
    # 对date_time列做指定间隔重采样
    .resample(f'{interval}min', on='date_time')
    # 每个时间窗口内，按stat类型分组，对value应用对应聚合函数
    .apply(lambda x: x.groupby('stat')['value'].agg(agg_map))
    # 重置索引得到规整结果
    .reset_index()
)

print(resampled_df)

运行后输出的结果集包含location/service/status/date_time四个维度列，以及各统计类型对应的聚合后数值列，完全匹配需求：同一时间窗口、同一业务维度下，不同统计类型的值均按规则完成聚合，无跨维度、跨统计类型的计算错误。

内容的提问来源于stack exchange，提问作者sherin_a27