pandas groupby计数后如何遍历索引值对调用自定义函数

现有如下结构的pandas DataFrame：

import pandas as pd
df = pd.DataFrame({'Category': [1, 1, 2, 3, 2, 1], 'Value': [20, 10, 5, 15, 20, 5]})

DataFrame内容如下：

需求为统计每个Category对应的条目数量，遍历统计结果调用自定义emit_metric函数上报指标。当前通过如下代码获取分组计数结果：

df_grouped_by_category = df.groupby("Category").count()

得到的计数结果为：

1   3
2   2
3   1

对聚合结果应用函数上报时，以下两种写法均无法识别列名，运行报错：

# 错误写法1
df_grouped_by_category.apply(lambda x: self.emit_metric(x.category, x.count))
# 错误写法2
df_grouped_by_category.apply(lambda x: self.emit_metric(x["Category"], x["count"]))

# 自定义指标上报函数
def emit_metric(category, count) -> None:
  # 指标上报相关逻辑代码
  pass

• 执行df.groupby("Category").count()聚合后，Category会从普通列转为DataFrame的行索引，无法通过x["Category"]的列索引方式取值
• 聚合后仅保留原Value列存储计数结果，不存在名为count的列；代码中写的x.count是pandas对象内置的计数方法，不是统计得到的条目数值
• DataFrame的apply方法默认按列遍历（参数axis=0），未指定轴向的情况下无法逐行拿到单组的分类和计数值

方案1：重置索引后按行调用apply #

分组计数时关闭索引自动生成，将计数结果列重命名为count，指定axis=1按行遍历：

df_grouped = df.groupby("Category", as_index=False)["Value"].count().rename(columns={"Value": "count"})
df_grouped.apply(lambda x: self.emit_metric(x["Category"], x["count"]), axis=1)

方案2：直接遍历groupby对象 #

无需提前生成聚合DataFrame，遍历分组对象时直接取分组键和组内条目数，代码可读性更高：

for category, group in df.groupby("Category"):
    count = len(group)
    self.emit_metric(category, count)

方案3：用size()生成计数Series后遍历 #

size()会返回带分组索引的计数Series，直接遍历键值对即可：

category_count = df.groupby("Category").size()
for category, count in category_count.items():
    self.emit_metric(category, count)

优先选择方案2或方案3，无需处理apply轴向参数，代码逻辑更直观，遍历性能也优于apply按行执行。

内容的提问来源于stack exchange，提问作者Raquel